論文の概要: VLBInet: Radio Interferometry Data Classification for EHT with Neural Networks

• arxiv url: http://arxiv.org/abs/2110.07185v1
• Date: Thu, 14 Oct 2021 07:19:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-16 03:41:20.049137
• Title: VLBInet: Radio Interferometry Data Classification for EHT with Neural Networks
• Title（参考訳）: VLBInet:ニューラルネットワークを用いたEHTの電波干渉計測データ分類
• Authors: Joshua Yao-Yu Lin, Dominic W. Pesce, George N. Wong, Ajay Uppili Arasanipalai, Ben S. Prather, Charles F. Gammie
• Abstract要約: 本稿では,ニューラルネットワークを用いた電波干渉計測データに対して,複雑な可視性と閉包量を解析するためのデータ駆動手法を提案する。 模擬干渉計測データを用いて、我々のニューラルネットワークは、降着状態を高磁束(MAD)または低磁束(SANE)として推測できることを示す。 我々のニューラルネットワークは、毎日0.52, 0.4, 0.43, 0.76のスコアを予測し、平均スコア0.53は、MADまたはSANE状態に傾くデータの顕著な兆候を示しない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Event Horizon Telescope (EHT) recently released the first horizon-scale images of the black hole in M87. Combined with other astronomical data, these images constrain the mass and spin of the hole as well as the accretion rate and magnetic flux trapped on the hole. An important question for the EHT is how well key parameters, such as trapped magnetic flux and the associated disk models, can be extracted from present and future EHT VLBI data products. The process of modeling visibilities and analyzing them is complicated by the fact that the data are sparsely sampled in the Fourier domain while most of the theory/simulation is constructed in the image domain. Here we propose a data-driven approach to analyze complex visibilities and closure quantities for radio interferometric data with neural networks. Using mock interferometric data, we show that our neural networks are able to infer the accretion state as either high magnetic flux (MAD) or low magnetic flux (SANE), suggesting that it is possible to perform parameter extraction directly in the visibility domain without image reconstruction. We have applied VLBInet to real M87 EHT data taken on four different days in 2017 (April 5, 6, 10, 11), and our neural networks give a score prediction 0.52, 0.4, 0.43, 0.76 for each day, with an average score 0.53, which shows no significant indication for the data to lean toward either the MAD or SANE state.
• Abstract（参考訳）: イベント・ホライゾン望遠鏡(EHT)は先日、M87で最初の地平線規模のブラックホールの画像を公開した。 他の天文学データと組み合わせることで、これらの画像は穴に閉じ込められた降着速度と磁束と同様に、穴の質量とスピンを制限している。 EHTの重要な疑問は、現在のEHT VLBIデータ製品から、捕捉された磁束や関連するディスクモデルなどのキーパラメータを抽出できるかどうかである。 ビジビリティのモデル化と分析のプロセスは、データがフーリエ領域に疎結合にサンプリングされているのに対して、理論/シミュレーションのほとんどは画像領域に構築されているという事実によって複雑である。 本稿では,ニューラルネットワークを用いた電波干渉データに対する複雑なビジビティとクロージャ量を解析するためのデータ駆動手法を提案する。 モック・インターフェロメトリデータを用いて、我々のニューラルネットワークは、降着状態を高磁束(MAD)または低磁束(SANE)として推定できることを示す。 VLBInetを2017年4月5日、6、10、11)の4日間で収集した実際のM87 EHTデータに適用し、我々のニューラルネットワークは、平均スコア0.53で、平均スコア0.52、0.4、0.43、0.76を与え、MADまたはSANE状態に傾くデータの顕著な兆候は示さなかった。

関連論文リスト

• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Generating Images of the M87* Black Hole Using GANs [1.0532948482859532]
  本研究では,様々なブラックホール画像を生成するためにCPGAN(Con Conditional Progressive Generative Adversarial Networks)を導入する。 GANは、ブラックホール画像生成のためのコスト効率の良いモデルとして利用でき、他のパラメータ化アルゴリズムのためのトレーニングデータセットを確実に増強することができる。
  論文  参考訳（メタデータ） (2023-12-02T02:47:34Z)
• Scalable Bayesian uncertainty quantification with data-driven priors for radio interferometric imaging [5.678038945350452]
  次世代の電波干渉計は、前例のない角分解能と感度のおかげで、科学的発見を解き放つ可能性がある。 潜在的な可能性を解き放つ鍵の1つは、受信データの希薄さと複雑さを扱うことである。 本研究では,ラジオインターフェロメトリイメージングにおける不確実性定量化に対処するQuantifAIという手法を提案する。
  論文  参考訳（メタデータ） (2023-11-30T19:00:02Z)
• Neural Spherical Harmonics for structurally coherent continuous representation of diffusion MRI signal [0.3277163122167433]
  本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。 現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。 我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
  論文  参考訳（メタデータ） (2023-08-16T08:28:01Z)
• Neural FIM for learning Fisher Information Metrics from point cloud data [71.07939200676199]
  我々は、ポイントクラウドデータからフィッシャー情報量(FIM)を計算するためのニューラルFIMを提案する。 本稿では,PHATE可視化手法のパラメータの選択と,IPSCリプログラミングとPBMC(免疫細胞)の2つの単一セルデータセットと,おもちゃデータセットの分岐点とクラスタセンターの埋め込みに関する情報を得る能力について述べる。
  論文  参考訳（メタデータ） (2023-06-01T17:36:13Z)
• CroCo: Cross-Modal Contrastive learning for localization of Earth Observation data [62.96337162094726]
  地上のLiDAR点雲をリモートセンシング画像上にローカライズすることに興味がある。 本稿では,DEMと高分解能光学画像に基づいて学習を行うコントラスト学習手法を提案する。 ベストシナリオは、トップ1スコア0.71、トップ5スコア0.81を得る。
  論文  参考訳（メタデータ） (2022-04-14T15:55:00Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• A Few-Shot Learning Approach for Accelerated MRI via Fusion of Data-Driven and Subject-Driven Priors [0.0]
  deep neural networks (dnns) は最近、mriの高速化に新しく使われている。 本稿では,いくつかのトレーニングサンプルから得られた物理信号モデルとデータ駆動先行データとを融合した,MRIの高速化のための数ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-13T20:51:31Z)
• Non-line-of-Sight Imaging via Neural Transient Fields [52.91826472034646]
  NLOS(non-Line-of-Sight)イメージングのためのニューラルモデリングフレームワークを提案する。 最近のNeRF(Neural Radiance Field)アプローチにインスパイアされた我々は、ニューラルネットワーク(NeTF)を表現するために多層パーセプトロン(MLP)を使用する。 共焦点と非共焦点の両方に適用可能な球状ボリュームnetf再構成パイプラインを定式化する。
  論文  参考訳（メタデータ） (2021-01-02T05:20:54Z)
• A study of Neural networks point source extraction on simulated Fermi/LAT Telescope images [1.4528756508275622]
  本稿では,我々の人工データセットに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた点源抽出手法を提案する。 これらの画像は1から10GeVのエネルギーをカバーする10×10度の原数光子マップである。
  論文  参考訳（メタデータ） (2020-07-08T17:47:31Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)

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。