論文の概要: The CAMELS Multifield Dataset: Learning the Universe's Fundamental Parameters with Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2109.10915v1
• Date: Wed, 22 Sep 2021 18:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-24 15:07:04.480459
• Title: The CAMELS Multifield Dataset: Learning the Universe's Fundamental Parameters with Artificial Intelligence
• Title（参考訳）: CAMELS Multifield Dataset:人工知能による宇宙の基本パラメータの学習
• Authors: Francisco Villaescusa-Navarro, Shy Genel, Daniel Angles-Alcazar, Leander Thiele, Romeel Dave, Desika Narayanan, Andrina Nicola, Yin Li, Pablo Villanueva-Domingo, Benjamin Wandelt, David N. Spergel, Rachel S. Somerville, Jose Manuel Zorrilla Matilla, Faizan G. Mohammad, Sultan Hassan, Helen Shao, Digvijay Wadekar, Michael Eickenberg, Kaze W.K. Wong, Gabriella Contardo, Yongseok Jo, Emily Moser, Erwin T. Lau, Luis Fernando Machado Poletti Valle, Lucia A. Perez, Daisuke Nagai, Nicholas Battaglia, Mark Vogelsberger
• Abstract要約: 我々は,Machine Learning Simulations (CAMELS) Multifield dataset, CMD を用いてコスモロジーと天体物理学を述べる。 CMDは何十万もの2Dマップと3Dグリッドのコレクションで、宇宙のガス、暗黒物質、そして2000の異なる宇宙から何回かの宇宙の異なる性質を含んでいる。 2Dマップと3Dグリッドは、CAMELSプロジェクトから何千もの最先端の流体力学と重力のみのN体シミュレーションから生み出された1億ドルの宇宙領域を表している。
• 参考スコア（独自算出の注目度）: 13.72500304639404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the Cosmology and Astrophysics with MachinE Learning Simulations (CAMELS) Multifield Dataset, CMD, a collection of hundreds of thousands of 2D maps and 3D grids containing many different properties of cosmic gas, dark matter, and stars from 2,000 distinct simulated universes at several cosmic times. The 2D maps and 3D grids represent cosmic regions that span $\sim$100 million light years and have been generated from thousands of state-of-the-art hydrodynamic and gravity-only N-body simulations from the CAMELS project. Designed to train machine learning models, CMD is the largest dataset of its kind containing more than 70 Terabytes of data. In this paper we describe CMD in detail and outline a few of its applications. We focus our attention on one such task, parameter inference, formulating the problems we face as a challenge to the community. We release all data and provide further technical details at https://camels-multifield-dataset.readthedocs.io.
• Abstract（参考訳）: 我々は、宇宙ガス、暗黒物質、恒星の様々な特性を含む数十万の2dマップと3dグリッドのコレクションであるcamels multifield dataset with machine learning simulations (camels) multifield dataset (cmd) を用いて、宇宙論と天体物理学を紹介する。 2Dマップと3Dグリッドは、CAMELSプロジェクトから何千もの最先端の流体力学と重力のみのN体シミュレーションから生み出された1億ドルの宇宙領域を表している。 機械学習モデルをトレーニングするために設計されたCMDは、70テラバイト以上のデータを含むそのタイプの最大のデータセットである。 本稿では,CMDの詳細を述べるとともに,その応用について概説する。 我々は,このような課題,パラメータ推論,コミュニティにとっての課題として直面する問題の定式化に注目する。 すべてのデータをリリースし、https://camels-multifield-dataset.readthedocs.io.orgで技術的な詳細を提供します。

関連論文リスト

• How DREAMS are made: Emulating Satellite Galaxy and Subhalo Populations with Diffusion Models and Point Clouds [1.203672395409347]
  暗黒物質ハロー上に銀河・サブハロスを描くための変分拡散モデルと変圧器に基づく生成フレームワークNeHODを提案する。 それぞれのハロについて、NeHODは中心銀河と衛星銀河の位置、速度、質量、濃度を予測する。 本モデルでは,シミュレーションパラメータの関数として,サブハロ特性間の複雑な関係を捉える。
  論文  参考訳（メタデータ） (2024-09-04T18:00:00Z)
• Nymeria: A Massive Collection of Multimodal Egocentric Daily Motion in the Wild [66.34146236875822]
  ニメリアデータセット(Nymeria dataset)は、複数のマルチモーダル・エゴセントリックなデバイスで野生で収集された、大規模で多様な、多彩な注釈付けされた人間のモーションデータセットである。 合計で399Kmを走行し、50か所にわたる264人の参加者から毎日300時間の録音を1200件記録している。 動作言語記述は、語彙サイズ6545の8.64万語で310.5K文を提供する。
  論文  参考訳（メタデータ） (2024-06-14T10:23:53Z)
• DNA-Rendering: A Diverse Neural Actor Repository for High-Fidelity Human-centric Rendering [126.00165445599764]
  ニューラルアクターレンダリングのための人間のパフォーマンスデータの大規模かつ高忠実なリポジトリであるDNAレンダリングを提案する。 我々のデータセットには、1500人以上の被験者、5000のモーションシーケンス、67.5Mのフレームのデータボリュームが含まれています。 我々は,最大解像度4096 x 3000の60個の同期カメラと15fpsの速度,ステルカメラキャリブレーションステップを含む,データをキャプチャするプロフェッショナルなマルチビューシステムを構築した。
  論文  参考訳（メタデータ） (2023-07-19T17:58:03Z)
• Objaverse-XL: A Universe of 10M+ 3D Objects [58.02773375519506]
  Averse-XLは1000万以上の3Dオブジェクトからなるデータセットである。 1億枚以上のマルチビューレンダリング画像を利用して、新しい視点でZero123をトレーニングすることにより、ゼロショットの強力な一般化能力が得られることを示す。
  論文  参考訳（メタデータ） (2023-07-11T17:57:40Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• The CAMELS project: public data release [12.073735170721717]
  MachinE Learning Simulationsプロジェクトによる宇宙学と天体物理学は、宇宙学と天体物理学を組み合わせるために開発された。 CAMELSには4,233の宇宙シミュレーション、2,049のNボディ、2,184の最先端の流体力学シミュレーションが含まれている。 350テラバイト以上、スナップショット143,922枚、数百万のハロ、銀河、要約統計を含む全てのデータを公開しています。
  論文  参考訳（メタデータ） (2022-01-04T19:00:00Z)
• Inferring halo masses with Graph Neural Networks [0.5804487044220691]
  我々は、ハローの位置、速度、恒星の質量、銀河の半径を推定するモデルを構築します。 我々は不規則でスパースなデータを扱うように設計されたグラフニューラルネットワーク(GNN)を使用している。 我々のモデルでは、ハロの質量を$sim$0.2 dexの精度で制限することができる。
  論文  参考訳（メタデータ） (2021-11-16T18:37:53Z)
• Multifield Cosmology with Artificial Intelligence [13.031414468952313]
  天体物理学のプロセスは、ダークマター、ガス、銀河の性質をよく理解されていない方法で修正する。 13の異なるフィールドに対して数十万の2次元マップを生成します。 我々はこれらの地図を用いて畳み込みニューラルネットワークを訓練し、宇宙情報の最大量を抽出する。
  論文  参考訳（メタデータ） (2021-09-20T18:00:01Z)
• Megaverse: Simulating Embodied Agents at One Million Experiences per Second [75.1191260838366]
  私たちは、強化学習と具体化AI研究のための新しい3DシミュレーションプラットフォームであるMegaverseを紹介します。 MegaverseはDeepMind Labより最大70倍速い。 私たちはMegaverseを使って、複数の単一エージェントタスクとマルチエージェントタスクからなる新しいベンチマークを構築します。
  論文  参考訳（メタデータ） (2021-07-17T03:16:25Z)
• A Spacecraft Dataset for Detection, Segmentation and Parts Recognition [42.27081423489484]
  本稿では,宇宙船検出,インスタンスのセグメンテーション,部分認識のためのデータセットをリリースする。 この研究の主な貢献は、宇宙ステーションと衛星の画像を用いたデータセットの開発である。 また、データセットのベンチマークとして、オブジェクト検出やインスタンスセグメンテーションにおける最先端の手法による評価も提供する。
  論文  参考訳（メタデータ） (2021-06-15T14:36:56Z)
• Sketch and Scale: Geo-distributed tSNE and UMAP [75.44887265789056]
  地理的に分散したデータセット上で機械学習分析を実行することは、急速に発生する問題である。 私たちはSketch and Scale(SnS)という新しいフレームワークを紹介します。 これはCount Sketchデータ構造を利用して、エッジノード上のデータを圧縮し、マスターノード上の縮小サイズスケッチを集約し、サマリ上でバニラtSNEまたはUMAPを実行する。 我々は、この技術が完全に並列で、線形に時間にスケールし、メモリに対数的に分散し、通信し、世界中の複数のデータセンターにまたがる数百万、数十億のデータポイントでデータセットを解析できることを示す。
  論文  参考訳（メタデータ） (2020-11-11T22:32:21Z)

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。