論文の概要: Reconstructing Patchy Reionization with Deep Learning

• arxiv url: http://arxiv.org/abs/2101.01214v1
• Date: Mon, 4 Jan 2021 19:58:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 22:59:36.349589
• Title: Reconstructing Patchy Reionization with Deep Learning
• Title（参考訳）: 深層学習によるパッチ状イオン化の再構築
• Authors: Eric Guzman and Joel Meyers
• Abstract要約: 本論文では,2つの二次的CMB異方性源の同時再構成が可能な畳み込みニューラルネットワークであるResUNet-CMBについて述べる。 ResUNet-CMBネットワークは低騒音域で2次推定器を著しく上回ることを示す。
• 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: The precision anticipated from next-generation cosmic microwave background (CMB) surveys will create opportunities for characteristically new insights into cosmology. Secondary anisotropies of the CMB will have an increased importance in forthcoming surveys, due both to the cosmological information they encode and the role they play in obscuring our view of the primary fluctuations. Quadratic estimators have become the standard tools for reconstructing the fields that distort the primary CMB and produce secondary anisotropies. While successful for lensing reconstruction with current data, quadratic estimators will be sub-optimal for the reconstruction of lensing and other effects at the expected sensitivity of the upcoming CMB surveys. In this paper we describe a convolutional neural network, ResUNet-CMB, that is capable of the simultaneous reconstruction of two sources of secondary CMB anisotropies, gravitational lensing and patchy reionization. We show that the ResUNet-CMB network significantly outperforms the quadratic estimator at low noise levels and is not subject to the lensing-induced bias on the patchy reionization reconstruction that would be present with a straightforward application of the quadratic estimator.
• Abstract（参考訳）: 次世代宇宙マイクロ波背景調査(cmb)から予測される精度は、宇宙論に特徴的な新しい洞察をもたらす。 cmbの二次異方性は、それらがエンコードする宇宙情報と、それらが一次揺らぎの観測を阻害する役割の両方によって、今後の調査で重要性が増すだろう。 二次推定器は一次CMBを歪ませ、二次異方性を生成する分野を再構築するための標準ツールとなっている。 現在のデータによるレンズの再構築には成功したが、次のcmb調査で期待される感度でレンズの再構築や他の効果に最適である。 本稿では,2次cmb異方性源である重力レンズとパッチ状再イオン化の同時再構成が可能な畳み込みニューラルネットワークresunet-cmbについて述べる。 本稿では,ResUNet-CMBネットワークが2次推定器の低雑音レベルにおいて著しく優れており,2次推定器の簡単な適用により生じるパッチ状再イオン化再構成に対するレンズリングによる偏差には属さないことを示す。

関連論文リスト

• A Symmetry-Aware Exploration of Bayesian Neural Network Posteriors [5.54475507578913]
  現代のディープニューラルネットワーク(DNN)の重みの分布は、非常に高次元性のため、顕著に複雑である。 本稿では,BNNの後部分布を大規模に調査し,その研究を現実の視覚タスクやアーキテクチャに拡張した。
  論文  参考訳（メタデータ） (2023-10-12T12:45:13Z)
• Neural Poisson Surface Reconstruction: Resolution-Agnostic Shape Reconstruction from Point Clouds [53.02191521770926]
  我々は,3次元形状を点から復元するという課題に対処する形状再構成アーキテクチャであるニューラルポアソン表面再構成(nPSR)を導入する。 nPSRには2つの大きな利点がある: まず、高分解能評価において同等の性能を達成しつつ、低分解能データの効率的なトレーニングを可能にする。 全体として、ニューラル・ポアソン表面の再構成は、形状再構成における古典的なディープニューラルネットワークの限界を改良するだけでなく、再構築品質、走行時間、分解能非依存の観点からも優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-08-03T13:56:07Z)
• Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach [2.689611937246938]
  深層学習を多周波フルスキーマップからのCMBクリーニングのためのデータ駆動アプローチとして採用する。 U-Netアーキテクチャに基づくグラフベースのベイズ畳み込みニューラルネットワークを開発し、画素ワイド不確実性推定によるクリーンなCMBを予測する。 本モデルでは, クリーン化したCMBスカイマップを精度良く復元し, 不確実領域を特定しながら角パワースペクトルを導出することを示す。
  論文  参考訳（メタデータ） (2023-02-24T00:49:43Z)
• NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
  暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。 本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。 本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
  論文  参考訳（メタデータ） (2022-07-22T10:05:36Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• PUERT: Probabilistic Under-sampling and Explicable Reconstruction Network for CS-MRI [47.24613772568027]
  圧縮センシングMRI(Compressed Sensing MRI)は,k空間データをサンプリングし,MRI画像の高速化を目的とする。 本稿では,サンプリングパターンと再構成ネットワークを協調的に最適化するために,PUERTと呼ばれる新しいエンドツーエンドの確率的アンダーサンプリングと明示的再構成neTworkを提案する。 2つの広く利用されているMRIデータセットの実験により、提案したPUERTは、定量的な測定値と視覚的品質の両方の観点から、最先端の結果が得られることを示した。
  論文  参考訳（メタデータ） (2022-04-24T04:23:57Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Reconstructing Cosmic Polarization Rotation with ResUNet-CMB [0.0]
  異方性宇宙偏光回転は、CMB偏光の統計的異方性をもたらす。 我々はResUNet-CMB畳み込みニューラルネットワークを拡張して、重力レンズとパッチリイオン化の存在下で異方性宇宙偏光回転を再構成する。
  論文  参考訳（メタデータ） (2021-09-20T17:39:09Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Baryon acoustic oscillations reconstruction using convolutional neural networks [1.9262162668141078]
  深部畳み込みニューラルネットワーク(CNN)に基づく重要な宇宙情報を含むバリオン音響発振(BAO)信号の再構成手法を提案する。 一方の宇宙論で訓練されたネットワークは、他の宇宙論とは無関係に非線型性に失われる情報を復元し、BAOピークを再構築することができる。
  論文  参考訳（メタデータ） (2020-02-24T13:18:31Z)

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。