Fugu-MT 論文翻訳(概要): Inferring dark matter substructure with astrometric lensing beyond the power spectrum

論文の概要: Inferring dark matter substructure with astrometric lensing beyond the power spectrum

arxiv url: http://arxiv.org/abs/2110.01620v1
Date: Mon, 4 Oct 2021 18:00:00 GMT
ステータス: 処理完了
システム内更新日: 2021-10-06 13:58:26.368018
Title: Inferring dark matter substructure with astrometric lensing beyond the power spectrum
Title（参考訳）: パワースペクトルを超えたアストロメトリーレンズによる暗黒物質サブ構造の推定
Authors: Siddharth Mishra-Sharma
Abstract要約: そこで我々は,地球規模の暗黒物質による重力レンズのシグネチャの探索手法を提案する。提案手法は, 暗黒物質群に対する感度が有意に向上したことを示す。
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: Astrometry -- the precise measurement of positions and motions of celestial objects -- has emerged as a promising avenue for characterizing the dark matter population in our Galaxy. By leveraging recent advances in simulation-based inference and neural network architectures, we introduce a novel method to search for global dark matter-induced gravitational lensing signatures in astrometric datasets. Our method based on neural likelihood-ratio estimation shows significantly enhanced sensitivity to a cold dark matter population and more favorable scaling with measurement noise compared to existing approaches based on two-point correlation statistics, establishing machine learning as a powerful tool for characterizing dark matter using astrometric data.
Abstract（参考訳）: 天体の位置と動きを正確に測定するアストロメトリーは、我々の銀河の暗黒物質集団を特徴づける有望な道として登場した。シミュレーションに基づく推論とニューラルネットワークアーキテクチャの最近の進歩を活かし、アストロメトリデータセットにおける大域的暗黒物質誘起重力レンズのシグネチャを探索する新しい手法を提案する。提案手法は, 2点相関統計に基づく既存手法と比較して, 冷暗黒物質集団に対する感度を著しく向上させ, 測定ノイズによるスケーリングを良好に行い, 観測データを用いて暗黒物質を特徴付ける強力なツールとして機械学習を確立した。

関連論文リスト

A method based on Generative Adversarial Networks for disentangling physical and chemical properties of stars in astronomical spectra [0.16385815610837165]
本研究では, 天体物理スペクトル解析の文脈において, 敵の訓練を行うエンコーダ・デコーダアーキテクチャを設計した。深層学習のスキームは、データに含まれる残りの情報のパラメータを潜在空間で解き放つことを目的として使用される。この方法の有効性を検証するため,APOGEE と Gaia の調査から合成天文学データを用いた。
論文参考訳（メタデータ） (2024-11-08T20:45:09Z)
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)
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)
Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文参考訳（メタデータ） (2022-08-01T19:18:26Z)
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)
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)
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)
alpha-Deep Probabilistic Inference (alpha-DPI): efficient uncertainty quantification from exoplanet astrometry to black hole feature extraction [7.5042943749402555]
推論は、間接的および雑音の測定から隠れた天体物理学の特徴を推定する現代の天文学研究において重要である。従来の後方推定手法にはサンプリングに基づく手法と変分推論がある。生成ニューラルネットワークと組み合わせたアルファ・ディバージェンス変分推論を用いて、近似した後進を学習するディープラーニングフレームワークであるα-DPIを提案する。
論文参考訳（メタデータ） (2022-01-21T00:58:10Z)
Constraining dark matter annihilation with cosmic ray antiprotons using neural networks [0.0]
第二級およびダークマターの宇宙線反陽子のシミュレーションを著しく高速化する新しい手法を提案する。我々は,ネットワークが十分に訓練されたパラメータ領域でのみ評価されることを保証するために,特に重要サンプリングを適当とみなす。完全にトレーニングされたネットワークは、この作業とともにDarkRayNetとしてリリースされ、従来のアプローチに比べて少なくとも2桁のスピードアップを実現している。
論文参考訳（メタデータ） (2021-07-26T18:00:04Z)
Semi-parametric $\gamma$-ray modeling with Gaussian processes and variational inference [9.405199445496429]
銀河起源の不確実な拡散放出をモデル化することは、天体物理学的なガンマ線データの特徴に深刻な偏見を与える可能性がある。ガンマ線解析のためのフレキシブルな背景および信号モデルを構築するためにガウス過程と変分推論を用いる新しい手法のクラスを導入する。
論文参考訳（メタデータ） (2020-10-20T17:04:37Z)

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。