論文の概要: Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic Mitigation

• arxiv url: http://arxiv.org/abs/2106.13724v1
• Date: Fri, 25 Jun 2021 16:01:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-28 12:52:04.383338
• Title: Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic Mitigation
• Title（参考訳）: sdss-iv拡張バリオン振動分光調査による原始的非ガウス性i:カタログ作成と体系的緩和
• Authors: Mehdi Rezaie, Ashley J. Ross, Hee-Jong Seo, Eva-Maria Mueller, Will J. Percival, Grant Merz, Reza Katebi, Razvan C. Bunescu, Julian Bautista, Joel R. Brownstein, Etienne Burtin, Kyle Dawson, H\'ector Gil-Mar\'in, Jiamin Hou, Eleanor B. Lyke, Axel de la Macorra, Graziano Rossi, Donald P. Schneider, Pauline Zarrouk, Gong-Bo Zhao
• Abstract要約: 最近完了したバリオン振動分光サーベイ(eBOSS)による最終分光試料の大規模クラスタリングについて検討する。 フォローアップ分光のターゲットを選択するために使用される画像データの品質の空間的変動に起因する密度場の急激なゆらぎを軽減するニューラルネットワークベースのアプローチを開発した。
• 参考スコア（独自算出の注目度）: 3.2855185490071444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate the large-scale clustering of the final spectroscopic sample of quasars from the recently completed extended Baryon Oscillation Spectroscopic Survey (eBOSS). The sample contains $343708$ objects in the redshift range $0.8<z<2.2$ and $72667$ objects with redshifts $2.2<z<3.5$, covering an effective area of $4699~{\rm deg}^{2}$. We develop a neural network-based approach to mitigate spurious fluctuations in the density field caused by spatial variations in the quality of the imaging data used to select targets for follow-up spectroscopy. Simulations are used with the same angular and radial distributions as the real data to estimate covariance matrices, perform error analyses, and assess residual systematic uncertainties. We measure the mean density contrast and cross-correlations of the eBOSS quasars against maps of potential sources of imaging systematics to address algorithm effectiveness, finding that the neural network-based approach outperforms standard linear regression. Stellar density is one of the most important sources of spurious fluctuations, and a new template constructed using data from the Gaia spacecraft provides the best match to the observed quasar clustering. The end-product from this work is a new value-added quasar catalogue with the improved weights to correct for nonlinear imaging systematic effects, which will be made public. Our quasar catalogue is used to measure the local-type primordial non-Gaussianity in our companion paper, Mueller et al. in preparation.
• Abstract（参考訳）: 最近完了した拡張バリオン振動分光調査(eboss)によるクエーサーの最終分光試料の大規模クラスタリングについて検討した。 サンプルには、redshiftの範囲内の343708ドルのオブジェクトが含まれている。$0.8<z<2.2$と72667ドルのオブジェクトで、redshiftは$2.2<z<3.5$であり、有効面積は$4699 -{\rm deg}^{2}$である。 本研究では,画像データの品質の空間的変動による密度場のスプリアス変動を軽減し,追従分光のターゲット選択に用いたニューラルネットワークに基づく手法を提案する。 シミュレーションは実データと同じ角分布と半径分布を用いて共分散行列を推定し、誤差解析を行い、残差系統的不確かさを評価する。 本稿では,eBOSSクエーサーの平均密度コントラストと相互相関を測定し,アルゴリズムの有効性に対処するため,画像の潜在的ソースのマップと比較し,ニューラルネットワークに基づくアプローチが標準的な線形回帰よりも優れていることを示した。 恒星密度は、散発的な変動の最も重要な源の1つであり、gaia衛星のデータを用いて構築された新しいテンプレートは、観測されたクエーサーのクラスタリングに最も適している。 この研究から得られた最終産物は、非線形イメージングシステム効果の補正のために改良された重み付き付加価値クエーサーカタログである。 我々のクエーサーカタログは、我々の共用論文『Mueller et al』の局所型原始的非ガウス性を測定するために使用される。 準備中

関連論文リスト

• Learning Galaxy Intrinsic Alignment Correlations [16.805775045014578]
  銀河の内在的なアライメント(IA)は、重力潮流相互作用と銀河形成過程による銀河の形状の相関を表す。 本研究では,銀河の位置,位置配向,方向配向相関関数の測定と不確かさをエミュレートする深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-04-21T16:16:56Z)
• Bayesian deep learning for cosmic volumes with modified gravity [0.0]
  本研究では,不確実性推定による深層ニューラルネットワークを用いて,修正重力(MG)シミュレーションから宇宙パラメータを抽出することを目的とした。 実空間密度場とパワースペクトルの両BNNを2000ダークマターのみの粒子メッシュのスイートから訓練する。 BNNは$Omega_m$と$sigma_8$のパラメータとMGパラメータとの相関を正確に予測する。
  論文  参考訳（メタデータ） (2023-09-01T17:59:06Z)
• Local primordial non-Gaussianity from the large-scale clustering of photometric DESI luminous red galaxies [5.534428269834764]
  我々は、Dark Energy Spectroscopic Instruments(DESI)による局所原始非ガウス性パラメータ$fnl$を制約するために、光赤銀河の角度クラスタリングを用いる。 このサンプルは1200万以上の目標からなり、空の14,000平方度をカバーし、赤方偏移は0.2 z 1.35$である。 我々は, 銀河の絶滅, 調査深度, 天体観測を系統的誤りの主な原因とみなし, 大規模での非宇宙的余剰クラスタリングを緩和するために線形回帰と人工ニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2023-07-04T14:49:23Z)
• Cosmology from Galaxy Redshift Surveys with PointNet [65.89809800010927]
  宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。 我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。 我々のPointNetsの実装は、$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)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)
• 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)
• 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)
• 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)
• A neural simulation-based inference approach for characterizing the Galactic Center $\gamma$-ray excess [9.101294179203794]
  Fermi gamma-ray Galactic Center Excess(GCE)は10年以上も謎のままだ。 我々は、シミュレーションに基づく推論の分野における最近の進歩を利用して、モデル化されたコンポーネントのGCEへの貢献を特徴づける。
  論文  参考訳（メタデータ） (2021-10-13T18:00:00Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)

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。