論文の概要: Inferring Black Hole Properties from Astronomical Multivariate Time Series with Bayesian Attentive Neural Processes

• arxiv url: http://arxiv.org/abs/2106.01450v1
• Date: Wed, 2 Jun 2021 20:17:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-05 05:32:08.721127
• Title: Inferring Black Hole Properties from Astronomical Multivariate Time Series with Bayesian Attentive Neural Processes
• Title（参考訳）: ベイズ減衰ニューラルプロセスを用いた天文多変量時系列からのブラックホール特性の推定
• Authors: Ji Won Park, Ashley Villar, Yin Li, Yan-Fei Jiang, Shirley Ho, Joshua Yao-Yu Lin, Philip J. Marshall, Aaron Roodman
• Abstract要約: 本稿では,AGN時系列を再構成し,同時に後続確率密度分布を推定する手法を提案する。 この研究は、AGNの確率的時系列再構成とパラメータ推論をエンドツーエンドで扱う最初のものである。
• 参考スコア（独自算出の注目度）: 17.145373200662277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Among the most extreme objects in the Universe, active galactic nuclei (AGN) are luminous centers of galaxies where a black hole feeds on surrounding matter. The variability patterns of the light emitted by an AGN contain information about the physical properties of the underlying black hole. Upcoming telescopes will observe over 100 million AGN in multiple broadband wavelengths, yielding a large sample of multivariate time series with long gaps and irregular sampling. We present a method that reconstructs the AGN time series and simultaneously infers the posterior probability density distribution (PDF) over the physical quantities of the black hole, including its mass and luminosity. We apply this method to a simulated dataset of 11,000 AGN and report precision and accuracy of 0.4 dex and 0.3 dex in the inferred black hole mass. This work is the first to address probabilistic time series reconstruction and parameter inference for AGN in an end-to-end fashion.
• Abstract（参考訳）: 宇宙で最も極端な天体のうち、活動銀河核 (AGN) は、ブラックホールが周囲の物質を供給している銀河の中心である。 AGNによって放出される光の変動パターンは、基礎となるブラックホールの物理的性質に関する情報を含んでいる。 今後の望遠鏡は、複数のブロードバンド波長で1億AGN以上を観測し、長いギャップと不規則サンプリングを備えた多変量時系列の大規模なサンプルを生成する。 本稿では,AGN時系列を再構成し,その質量と光度を含むブラックホールの物理量に対して後方確率密度分布(PDF)を同時に推定する手法を提案する。 本手法を11,000 AGNのシミュレーションデータセットに適用し, 推定ブラックホール質量の0.4 dexと0.3 dexの精度と精度を報告する。 この研究は、AGNの確率的時系列再構成とパラメータ推論をエンドツーエンドで扱う最初のものである。

関連論文リスト

• 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)
• Uncertainty Quantification of the Virial Black Hole Mass with Conformal Prediction [6.487663563916903]
  機械学習環境におけるブラックホール予測の不確かさを定量化するための量子化量子化回帰法の適用を提案する。 我々は,CQR法がブラックホール質量とその関連特性に適応する予測間隔を提供することを示す。 ニューラルネットワークモデルとCQRフレームワークを組み合わせることで、回復した仮想ブラックホール質量予測と不確実性は、Sloan Digital Sky Surveyで測定されたものと同等である。
  論文  参考訳（メタデータ） (2023-07-11T03:13:25Z)
• Identifying AGN host galaxies with convolutional neural networks [0.0]
  我々は、AGNホスト銀河と非活性銀河を区別するために畳み込みニューラルネットワーク(CNN)を訓練する。 合成物質としてスペクトル分類された33,000個の銀河のCNNを評価する。
  論文  参考訳（メタデータ） (2022-12-15T15:04:40Z)
• Cosmology from Galaxy Redshift Surveys with PointNet [65.89809800010927]
  宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。 我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。 我々のPointNetsの実装は、$mathcalO(104) - MathcalO(105)$銀河の入力を一度に分析できるので、この応用の初期の作業は、およそ2桁の精度で改善される。
  論文  参考訳（メタデータ） (2022-11-22T15:35:05Z)
• Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
  クエーサースペクトルを完全に記述できる新しいモデルを提案する。 また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。 CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
  論文  参考訳（メタデータ） (2022-11-17T13:01:26Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Resolving the gravitational redshift within a millimeter atomic sample [94.94540201762686]
  アインシュタインの一般相対性理論では、異なる重力ポテンシャルの時計は異なる速度でくつろいでいる。 超低温ストロンチウムの1ミリスケール試料中の重力赤方偏移と整合した線形周波数勾配を測定した。
  論文  参考訳（メタデータ） (2021-09-24T23:58:35Z)
• AGNet: Weighing Black Holes with Deep Learning [2.4522011090845846]
  超大質量ブラックホール (SMBHs) は、ほとんどの銀河の中心に自在に存在する。 従来の方法では、収集に費用がかかる分光データを必要とする。 準光時間系列を用いたSMBHの重み付けアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-17T16:45:11Z)
• AGNet: Weighing Black Holes with Machine Learning [2.598391092244943]
  超大質量ブラックホール(SMBHs)は、ほとんどの銀河の中心に自在に存在する。 従来の手法では、収集に費用がかかるスペクトルデータが必要である。 準光時間系列を用いたSMBHの重み付けアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-30T18:30:24Z)
• Physics-inspired deep learning to characterize the signal manifold of quasi-circular, spinning, non-precessing binary black hole mergers [4.43457632632169]
  我々は、天体物理学的なブラックホールのスピン特性の一般相対論的制約を組み込んだ新しい最適化スキームで訓練されたWaveNetの修正版を導入する。 高性能計算と物理に着想を得た最適化アルゴリズムの収束により、二元ブラックホール融合の質量比と個々のスピンの正確な再構築が可能となる。
  論文  参考訳（メタデータ） (2020-04-20T18:00:02Z)

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。