Que signifie la modélisation prospective?


15

Dans mes recherches sur les exoplanètes, j'ai entendu de nombreuses personnes parler de "modélisation avancée des atmosphères exoplanètes". Je ne sais pas ce que signifie le terme "avant" dans la "modélisation avant" et comment il se compare à la "modélisation inverse", si c'est même quelque chose.

Qu'est-ce que la modélisation avancée et pourquoi est-elle si spéciale qu'elle doit être distinguée de la simple modélisation ordinaire?


1
Je n'ai jamais entendu ces termes, mais apparemment, je travaille dans la modélisation avant et arrière depuis une dizaine d'années…
pela

Réponses:


10

Il existe différentes façons de modéliser quelque chose. D'après ce que vous demandez, il existe deux principaux types de modélisation: la modélisation directe et la modélisation inverse.

Modélisation avancée

Dans ce type de modélisation, vous disposez d'un modèle spécifique qui définit l'état "courant" de votre système. Dans le cas des atmosphères d'exoplanètes, ce serait probablement quelque chose qui définit le contenu moléculaire, le niveau d'ionisation, la densité, etc. de votre atmosphère d'exoplanètes. Ensuite, vous utilisez la physique / mathématique connue de votre système pour décider comment il se comportera. Dans cette configuration, ce que vous avez créé est un système pour prédire les états du système à partir d'un modèle physique prédéterminé.

Un tel exemple serait quelqu'un créant sa propre atmosphère d'exoplanète dans un modèle et disant ensuite, ok ce qui se passe quand je fais la lumière à travers cette atmosphère. Quelles observations puis-je enregistrer?

Modélisation inverse

Dans un certain sens, c'est l'opposé de la modélisation avancée, bien que cela ne signifie pas vraiment que vous exécutez un modèle pour voir dans le passé. Au lieu de cela, ce qui se passe avec cette configuration, c'est que vous connaissez un état ou un résultat particulier, et que vous souhaitez construire un modèle de votre système qui peut produire cet état. Essentiellement, vous voulez que votre modèle atteigne un certain état lors du calcul. Si c'est le cas, vous avez une confiance raisonnable que votre modèle était une indication de ce à quoi ressemble réellement votre système.

Dans cette situation, vous mesureriez les composants de l'atmosphère, par exemple le rayon de la planète en fonction de la longueur d'onde, puis créeriez un modèle de l'atmosphère qui, nous l'espérons, reproduira vos observations. Si vous le pouvez, alors l'espoir est que le modèle représente précisément ce qu'est votre système.


Il me semble que l'on pourrait produire les mêmes modèles dans le cas de la modélisation directe et inverse, juste dans le cas de la modélisation directe, vous essayez de prédire ce que vous pourriez voir (données simulées) et le cas inverse que vous essayez de comprendre ce que vous voyez (données réelles). Est-ce le cas? Et si oui, pourquoi la distinction entre modélisation directe et modélisation inverse est-elle importante et / ou utile?
NeutronStar

@Joshua Oui, vous avez raison, le même modèle pourrait être utilisé dans les deux cas. La distinction vient de ce que vous essayez d'atteindre et des données avec lesquelles vous devez travailler. Prenons l'exemple de la modélisation du rayon planétaire en fonction de la longueur d'onde. Dans le cas suivant, vous créeriez un modèle et diriez quelles observations je m'attendrais à faire dans la vie réelle, à partir de ce modèle (c'est-à-dire que vous ne travaillez pas avec des observations). Dans le cas inverse, vous avez déjà des mesures du rayon de la planète par rapport à la longueur d'onde et vous créez un modèle pour reproduire ces mesures, puis dites que votre modèle a modélisé avec précision le système.
zephyr

7

La modélisation prospective est l'utilisation d'un modèle afin de simuler un résultat. Le problème de l'obtention du modèle pour produire des données à partir de l'entrée est appelé le problème direct .

Le modèle direct prend certains paramètres et produit des données qui peuvent ensuite être comparées aux observations réelles.

La modélisation prospective semble être couramment utilisée dans les sciences de la Terre, se référant par exemple aux modèles du climat mondial, des événements sismiques, etc.

Problème avancé ( problème direct, problème normal): Le problème du calcul de ce qui doit être observé pour un modèle particulier, par exemple le calcul de l'anomalie de gravité qui serait observée pour un modèle donné d'un dôme de sel. ( Un dictionnaire des sciences de la Terre )

La procédure inverse est appelée le problème inverse :

Un problème inverse en science est le processus de calcul à partir d'un ensemble d'observations des facteurs causaux qui les ont produits: par exemple, le calcul d'une image en tomographie par ordinateur, la reconstruction d'une source en acoustique ou le calcul de la densité de la Terre à partir des mesures de son champ de gravité .

Cela s'appelle un problème inverse car il commence par les résultats et calcule ensuite les causes. Il s'agit de l'inverse d'un problème avancé, qui commence par les causes puis calcule les résultats.

Résoudre un problème inverse signifie alors, à partir d'un ensemble d'observations, construire un modèle qui en rende compte.

Je suppose qu'il faut s'attendre à ce que les atmosphères exoplanètes soient étudiées par modélisation avancée, car nous avons déjà des modèles atmosphériques adéquats pour la Terre et la compréhension de les ajuster à d'autres planètes, alors que nous n'avons pas encore une caractérisation adéquate des atmosphères exoplanètes.


5

UNE

y=UNEX

yX

  • Xy

  • yXUNE

UNEXUNEX


3

La modélisation inverse est l'endroit où vous utilisez les caractéristiques de vos données pour estimer un ensemble de paramètres sous-jacents de votre modèle physique de ce qui se passe.

La modélisation prospective est l'endroit où vous utilisez votre modèle pour prédire ce que vous observeriez et utilisez une comparaison de ces prévisions avec vos données pour déduire les paramètres de votre modèle.

Un exemple d'exoplanète simple. Considérons une courbe de vitesse radiale peu échantillonnée. Vous pouvez adapter une sinusoïde (ou une solution d'orbite elliptique) à ces données et estimer la période, l'amplitude de la vitesse radiale, puis déduire une masse minimale pour l'exoplanète en orbite en branchant ces chiffres, ainsi qu'une estimation de la masse stellaire dans la fonction de masse formule.

Une approche de modélisation prospective commencerait par la masse de l'étoile et de la planète, spécifierait une période orbitale et une inclinaison, puis prédirait ce qui serait observé - y compris si nécessaire, des fonctions qui permettent des imperfections et des incertitudes dans les mesures. Beaucoup de ces modèles sont produits et comparés aux observations jusqu'à ce que l'on puisse estimer les fonctions de probabilité pour chacun des paramètres du modèle.


C'est concis et clair
uhoh

2

Pour voir la différence entre les modèles direct et inverse, considérons notre compréhension qu'un atome peut absorber et émettre uniquement certaines longueurs d'onde discrètes de lumière. C'est ce que nous observons ; nous pouvons construire un modèle simple (inverse) de structure atomique basé sur ces observations. Mais ce n'est qu'après avoir eu un modèle bien développé de l'atome, comme la théorie quantique, que nous avons pu prédire l'absorption et l'émission de n'importe quel atome.

La modélisation prospective est basée sur ces connaissances bien développées et est généralement la forme de modélisation la plus utile.

Cependant, les modèles inverses sont importants lorsque nous n'avons pas encore une bonne compréhension d'un système; dans ce cas, des modèles ad hoc peuvent finalement nous conduire à développer des modèles et des compréhensions entièrement nouveaux - comme c'était le cas dans la compréhension des atomes et des molécules avant que la théorie quantique ne soit complètement développée.


2

Je voudrais ajouter à la réponse de pablodf76, qui est totalement correcte, pour dire que souvent, la modélisation directe est utilisée pour résoudre le problème inverse . C'est de loin le contexte le plus courant dans lequel j'ai vu ce terme dans la littérature astronomique.

En général, avoir un modèle direct ainsi qu'une compréhension de votre incertitude de mesure équivaut à avoir une fonction de vraisemblance. (La chose la plus générale est de considérer votre modèle avancé comme probabiliste). Le modèle direct passe des paramètres sous-jacents aux données (le problème direct) et est combiné avec des techniques statistiques - en utilisant MCMC pour échantillonner à partir de la partie postérieure, ou en calculant l'estimation du paramètre de probabilité maximale, par exemple - pour résoudre le problème inverse.

Qu'est-ce que la modélisation avancée et pourquoi est-elle si spéciale qu'elle doit être distinguée de la simple modélisation ordinaire?

Dans ce contexte, les auteurs tentent probablement de souligner qu'ils sont arrivés à leur estimation / postérieure des paramètres atmosphériques avec un modèle atmosphérique détaillé en combinaison avec une certaine forme d'inférence statistique.


il peut y avoir plus d'une réponse correcte; J'ai changé "la bonne" en "la bonne" afin de ne pas dire que toutes les autres réponses (présentes et futures) sont incorrectes.
uhoh
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.