論文の概要: Modeling protoplanetary disk SEDs with artificial neural networks:
Revisiting the viscous disk model and updated disk masses
- arxiv url: http://arxiv.org/abs/2009.03323v1
- Date: Mon, 7 Sep 2020 18:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:37:31.194643
- Title: Modeling protoplanetary disk SEDs with artificial neural networks:
Revisiting the viscous disk model and updated disk masses
- Title（参考訳）: 人工ニューラルネットワークを用いた原始惑星円盤SEDのモデリング:粘性円盤モデルと更新ディスク質量の再検討
- Authors: \'A. Ribas, C. C. Espaillat, E. Mac\'ias, L. M. Sarro
- Abstract要約: タウルス・オーリガ星形成領域における23個の原始惑星円盤のスペクトルエネルギー分布(SED)を、詳細な円盤モデルとベイズ的アプローチを用いてモデル化する。
その結果、多くのソースに対して高い粘度と降着率が得られるが、これは最近のディスク内の低乱流レベルの測定と一致しない。
この効果は特に円盤群の研究に関係し、原始惑星円盤と外惑星系の質量の間の以前の観測的な緊張を緩和する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We model the spectral energy distributions (SEDs) of 23 protoplanetary disks
in the Taurus-Auriga star-forming region using detailed disk models and a
Bayesian approach. This is made possible by combining these models with
artificial neural networks to drastically speed up their performance. Such a
setup allows us to confront $\alpha$-disk models with observations while
accounting for several uncertainties and degeneracies. Our results yield high
viscosities and accretion rates for many sources, which is not consistent with
recent measurements of low turbulence levels in disks. This inconsistency could
imply that viscosity is not the main mechanism for angular momentum transport
in disks, and that alternatives such as disk winds play an important role in
this process. We also find that our SED-derived disk masses are systematically
higher than those obtained solely from (sub)mm fluxes, suggesting that part of
the disk emission could still be optically thick at (sub)mm wavelengths. This
effect is particularly relevant for disk population studies and alleviates
previous observational tensions between the masses of protoplanetary disks and
exoplanetary systems.
- Abstract（参考訳）: タウルス・アウリガ星形成領域における23個の原始惑星系円盤のスペクトルエネルギー分布(seds)を詳細なディスクモデルとベイズアプローチを用いてモデル化した。
これは、これらのモデルと人工ニューラルネットワークを組み合わせることで、パフォーマンスを大幅に高速化する。
このようなセットアップにより、いくつかの不確実性と退化を考慮しつつ、観測で$\alpha$-diskモデルと対決することができる。
その結果,近年の円盤内の低乱流レベルの測定値と一致しない多くのソースに対して,高粘度および降着速度が得られた。
この矛盾は、円盤内の角運動量移動の主なメカニズムは粘性ではなく、ディスク風のような代替手段がこの過程において重要な役割を果たすことを暗示している。
また、sed由来のディスク質量は、(sub)mmフラックスのみから得られるものよりも体系的に高いことが分かり、ディスク放出の一部が(sub)mm波長で光学的に厚くなる可能性が示唆された。
この効果は特に円盤群の研究に関係し、原始惑星円盤と外惑星系の質量の間の以前の観測的な緊張を緩和する。
関連論文リスト
- Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。
近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
論文 参考訳（メタデータ） (2024-10-31T14:26:10Z) - Disk2Planet: A Robust and Automated Machine Learning Tool for Parameter
Inference in Disk-Planet Systems [16.738136124873307]
本研究では、プロトプラネタリーディスク構造からディスクプラネタリーシステムにおける鍵パラメータを推論する機械学習ツールであるDisk2Planetを紹介する。
我々のツールは完全自動化されており、Nvidia A100グラフィックス処理ユニットで1つのシステムで3分でパラメータを取得できる。
論文 参考訳（メタデータ） (2024-09-25T18:00:01Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Analysing the SEDs of protoplanetary disks with machine learning [0.0]
1つの放射転送モデルでは、計算に数分を要する。
SED生成プロセスをエミュレートするために、ニューラルネットワーク(NN)を作成しました。
NNは1ms以内のSEDを約5%の不確実性で予測できる。
論文 参考訳（メタデータ） (2023-02-09T13:32:47Z) - Modiff: Action-Conditioned 3D Motion Generation with Denoising Diffusion
Probabilistic Models [58.357180353368896]
本稿では,現実的で多様な3D骨格に基づく運動生成問題に対処するために,拡散確率モデル(DDPM)の利点を生かした条件付きパラダイムを提案する。
我々はDDPMを用いてカテゴリ的動作で条件付けられた動作列の可変数を合成する先駆的な試みである。
論文 参考訳（メタデータ） (2023-01-10T13:15:42Z) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳（メタデータ） (2022-10-03T16:51:25Z) - Machine learning-accelerated chemistry modeling of protoplanetary disks [0.0]
我々は、熱化学モデリングコードを用いて、原始惑星系円盤模型の多様な個体群を生成する。
我々は、他のディスクモデルの化学を瞬時に予測するために、K-アネレスト近傍の回帰器を訓練した。
論文 参考訳（メタデータ） (2022-09-27T12:42:13Z) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳（メタデータ） (2022-06-29T19:03:10Z) - Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。
近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。
我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
論文 参考訳（メタデータ） (2022-06-27T13:46:51Z) - Riemannian Score-Based Generative Modeling [56.20669989459281]
経験的性能を示すスコアベース生成モデル(SGM)を紹介する。
現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。
これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
論文 参考訳（メタデータ） (2022-02-06T11:57:39Z) - Tunable-spin-model generation with spin-orbit-coupled fermions in
optical lattices [0.5249805590164902]
有効磁束の存在下で, 光学格子に担持した超低温フェルミオン原子の動的挙動について検討した。
ハーフフィリングでは、イジングモデル、XYモデル、任意の異方性を持つ一般XXZモデル、集合的な1軸ねじれモデルなど、様々な象徴的なスピン-1/2モデルをエミュレートすることができる。
論文 参考訳（メタデータ） (2020-11-03T16:54:32Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。