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
- Detection and Segmentation of Cosmic Objects Based on Adaptive
Thresholding and Back Propagation Neural Network [0.0]
本稿では,適応閾値法(ATM)に基づくセグメンテーションと,BPNNに基づく宇宙物体検出を提案する。
本稿では、ATMとBPNNを用いて天体の分類と検出を行う方法について述べる。
論文 参考訳(メタデータ) (2023-08-02T04:02:46Z) - Pixelated Reconstruction of Foreground Density and Background Surface
Brightness in Gravitational Lensing Systems using Recurrent Inference
Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。
従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文 参考訳(メタデータ) (2023-01-10T19:00:12Z) - 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。
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。