Fugu-MT 論文翻訳(概要): Parameters Estimation from the 21 cm signal using Variational Inference

論文の概要: Parameters Estimation from the 21 cm signal using Variational Inference

arxiv url: http://arxiv.org/abs/2005.02299v1
Date: Mon, 4 May 2020 17:06:56 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 01:48:20.624877
Title: Parameters Estimation from the 21 cm signal using Variational Inference
Title（参考訳）: 変分推論を用いた21cm信号からのパラメータ推定
Authors: H\'ector J. Hort\'ua, Riccardo Volpi, Luigi Malag\`o
Abstract要約: 本稿では,21cmにおけるMCMCの代替として変分推論,特にベイズニューラルネットワークを用いて,宇宙・天体物理パラメータの信頼性推定を報告する。
参考スコア（独自算出の注目度）: 10.28074017512078
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Upcoming experiments such as Hydrogen Epoch of Reionization Array (HERA) and Square Kilometre Array (SKA) are intended to measure the 21cm signal over a wide range of redshifts, representing an incredible opportunity in advancing our understanding about the nature of cosmic Reionization. At the same time these kind of experiments will present new challenges in processing the extensive amount of data generated, calling for the development of automated methods capable of precisely estimating physical parameters and their uncertainties. In this paper we employ Variational Inference, and in particular Bayesian Neural Networks, as an alternative to MCMC in 21 cm observations to report credible estimations for cosmological and astrophysical parameters and assess the correlations among them.
Abstract（参考訳）: 水素イオン化アレー(HERA)や正方形キロメートルアレー(SKA)のような今後の実験は、幅広い赤方偏移で21cmの信号を測定することを目的としており、宇宙イオン化の性質についての理解を深める素晴らしい機会である。同時に、これらの実験は、大量のデータを生成するための新しい課題を提示し、物理的パラメータとその不確実性を正確に推定できる自動手法の開発を要求する。本稿では,21cm観測におけるMCMCの代替として変分推論,特にベイズニューラルネットワークを用いて,宇宙物理パラメータと天体物理パラメータの信頼性推定を報告し,それらの相関性を評価する。

関連論文リスト

Machine learning-driven Anomaly Detection and Forecasting for Euclid Space Telescope Operations [0.0]
最先端の宇宙科学ミッションは、ますます自動化に依存している。ユークリッド宇宙望遠鏡は2024年2月以来の探査段階にあり、このシフトを実証している。我々はXGBoostモデルを用いて、過去の値に基づいて温度を予測し、異常を予測から逸脱として検出する。
論文参考訳（メタデータ） (2024-11-08T14:31:50Z)
What can we learn about Reionization astrophysical parameters using Gaussian Process Regression? [0.0]
我々は、ガウス過程回帰(GPR)法を用いて、再イオン化の歴史を学習し、天体物理パラメーターを推測する。解析の結果、GPRは従来の手法よりもモデルに依存しない方法で天体物理パラメータを推定できることがわかった。
論文参考訳（メタデータ） (2024-07-28T12:21:27Z)
Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文参考訳（メタデータ） (2024-07-12T18:00:02Z)
Bayesian inference for near-field interferometric tests of collapse models [0.0]
物体波近傍のタルボット干渉計と連続自発局在(CSL)について検討する。圧力や黒体放射を含む脱コヒーレンス機構の効果を計算した。我々は、MAQROのような実験において、$sim109,textu$の質量に到達でき、CSL上に置ける境界を定量化できることを示した。
論文参考訳（メタデータ） (2023-10-09T14:44:14Z)
Gate-based spin readout of hole quantum dots with site-dependent $g-$factors [101.23523361398418]
ゲート型反射率計を用いたスピンリードアウトによりシリコン中の二重量子ドットを実験的に検討した。磁気分光法により生じる反射位相信号の特徴は,2点のサイト依存の$g-$factorに関する情報を伝達する。
論文参考訳（メタデータ） (2022-06-27T09:07:20Z)
Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文参考訳（メタデータ） (2021-06-23T18:00:05Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文参考訳（メタデータ） (2021-02-01T21:19:15Z)
Constraining the Reionization History using Bayesian Normalizing Flows [10.28074017512078]
本稿では,4つの天体物理および宇宙論的パラメータの後方分布を予測するためにベイズニューラルネットワーク(BNN)を用いた。提案手法は,最先端予測性能の達成に加えて,パラメータの不確かさの正確な推定と,それらの相関関係の推測を行う。
論文参考訳（メタデータ） (2020-05-14T23:00:55Z)
A unified framework for 21cm tomography sample generation and parameter inference with Progressively Growing GANs [7.6146285961466]
EoR(Epoch of Reionisation)では,特定のタイプのニューラルネットワーク,PGGAN(Progressively Growing Generative Adversarial Network)を用いて,21cmの輝度温度の現実的なトモグラフィ画像を生成する。ネットワークは新しいサンプルを1秒で$sim 3'$の解像度で生成し(ラップトップCPU上で)、その結果のグローバルな21cm信号、パワースペクトル、ピクセル分布関数はトレーニングデータのそれとよく一致する。
論文参考訳（メタデータ） (2020-02-19T00:39:50Z)
Quantum probes for universal gravity corrections [62.997667081978825]
最小長の概念を概観し、量子系のハミルトニアンに現れる摂動項をいかに引き起こすかを示す。我々は、推定手順の精度の最終的な限界を見つけるために、量子フィッシャー情報を評価する。以上の結果から,量子プローブは有用な資源であり,精度が向上する可能性が示唆された。
論文参考訳（メタデータ） (2020-02-13T19:35:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。