論文の概要: Towards constraining warm dark matter with stellar streams through
neural simulation-based inference
- arxiv url: http://arxiv.org/abs/2011.14923v1
- Date: Mon, 30 Nov 2020 15:53:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 14:34:12.185175
- Title: Towards constraining warm dark matter with stellar streams through
neural simulation-based inference
- Title(参考訳): ニューラルシミュレーションに基づく推論による星の流れによる温かいダークマターの拘束に向けて
- Authors: Joeri Hermans, Nilanjan Banik, Christoph Weniger, Gianfranco Bertone,
Gilles Louppe
- Abstract要約: Amortized Approximate Likelihood Ratios (AALR) に基づく確率自由ベイズ推論パイプラインを導入する。
本手法は、暗黒物質サブハローによってのみ恒星の流れが摂動される単純化された場合に適用する。
- 参考スコア(独自算出の注目度): 7.608718235345664
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A statistical analysis of the observed perturbations in the density of
stellar streams can in principle set stringent contraints on the mass function
of dark matter subhaloes, which in turn can be used to constrain the mass of
the dark matter particle. However, the likelihood of a stellar density with
respect to the stream and subhaloes parameters involves solving an intractable
inverse problem which rests on the integration of all possible forward
realisations implicitly defined by the simulation model. In order to infer the
subhalo abundance, previous analyses have relied on Approximate Bayesian
Computation (ABC) together with domain-motivated but handcrafted summary
statistics. Here, we introduce a likelihood-free Bayesian inference pipeline
based on Amortised Approximate Likelihood Ratios (AALR), which automatically
learns a mapping between the data and the simulator parameters and obviates the
need to handcraft a possibly insufficient summary statistic. We apply the
method to the simplified case where stellar streams are only perturbed by dark
matter subhaloes, thus neglecting baryonic substructures, and describe several
diagnostics that demonstrate the effectiveness of the new method and the
statistical quality of the learned estimator.
- Abstract(参考訳): 恒星の流れの密度における観測された摂動の統計的解析は、原理的には暗黒物質サブハローの質量関数に厳密な反則を設定でき、これは暗黒物質粒子の質量を制限するために用いられる。
しかし、ストリームとサブハロインパラメータに対する恒星密度の確率は、シミュレーションモデルによって暗黙的に定義される全ての可能な前進実現の積分にかかっている難解な逆問題を解くことを伴う。
半減期を推定するために、以前の分析は、ドメイン駆動だが手作りの要約統計と共に、近似ベイズ計算(ABC)に依存していた。
本稿では,データとシミュレータパラメータのマッピングを自動的に学習し,潜在的に不十分な要約統計を手作りする必要性を解消する,amortized approximation likelihood ratios(aalr)に基づく確率自由ベイズ推定パイプラインを提案する。
本手法は,暗黒物質サブハローによってのみ星の流れが乱れ,バリュニックなサブストラクチャーを無視する簡易な場合に適用し,新しい手法の有効性と学習した推定器の統計的品質を示すいくつかの診断法について述べる。
関連論文リスト
- Aspects of scaling and scalability for flow-based sampling of lattice
QCD [137.23107300589385]
格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。
最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
論文 参考訳(メタデータ) (2022-11-14T17:07:37Z) - Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。
フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
論文 参考訳(メタデータ) (2022-02-23T19:00:00Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳(メタデータ) (2022-02-23T06:11:49Z) - Probabilistic Mass Mapping with Neural Score Estimation [4.079848600120986]
弱レンズ質量マッピング問題の高次元ベイズ後方の効率的なサンプリング法を提案する。
本手法の精度をシミュレーションで実証し,HST/ACS COSMOSフィールドの大量再構成に適用する。
論文 参考訳(メタデータ) (2022-01-14T17:07:48Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Statistical Finite Elements via Langevin Dynamics [0.8602553195689513]
我々はLangevin dynamics を用いて statFEM forward problem を解き、Unadjusted Langevin algorithm (ULA) の有用性について研究する。
ULAはMetropolis-free Markov chain Monte Carlo sampler(英語版)であり、この他の難解な指標のサンプルベースの特徴付けを構築する。
我々は,Kulback-Leibler 分岐における先行および後続の収束,および Wasserstein-2 におけるプリコンディショニングの効果を理論的に保証する。
論文 参考訳(メタデータ) (2021-10-21T13:30:41Z) - 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) - Continuous Wasserstein-2 Barycenter Estimation without Minimax
Optimization [94.18714844247766]
ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。
本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-02T21:01:13Z) - Conditional Density Estimation via Weighted Logistic Regressions [0.30458514384586394]
非均一プロセスモデルの一般密度と可能性関数の関連性を示すパラメトリック条件密度推定法を提案する。
最大推定値は重み付けされたロジスティック回帰によって得ることができ、ブロックワイズ交互化スキームと局所ケースコントロールサンプリングを組み合わせることで計算を著しく緩和することができる。
論文 参考訳(メタデータ) (2020-10-21T11:08:25Z) - Maximum likelihood estimation and uncertainty quantification for
Gaussian process approximation of deterministic functions [10.319367855067476]
本稿は、ガウス過程の回帰の文脈において、ノイズのないデータセットを用いた最初の理論的分析の1つを提供する。
本稿では,スケールパラメータのみの最大推定がガウス過程モデルの不特定に対する顕著な適応をもたらすことを示す。
論文 参考訳(メタデータ) (2020-01-29T17:20:21Z)
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。