Fugu-MT 論文翻訳(概要): Weighing the Milky Way and Andromeda with Artificial Intelligence

論文の概要: Weighing the Milky Way and Andromeda with Artificial Intelligence

arxiv url: http://arxiv.org/abs/2111.14874v1
Date: Mon, 29 Nov 2021 19:00:04 GMT
ステータス: 処理完了
システム内更新日: 2021-12-01 14:43:13.805340
Title: Weighing the Milky Way and Andromeda with Artificial Intelligence
Title（参考訳）: 人工知能で天の川とアンドロメダを計量する
Authors: Pablo Villanueva-Domingo, Francisco Villaescusa-Navarro, Shy Genel, Daniel Angl\'es-Alc\'azar, Lars Hernquist, Federico Marinacci, David N. Spergel, Mark Vogelsberger, Desika Narayanan
Abstract要約: 我々は、銀河系とアンドロメダ銀河を包含するハロの質量に、グラフニューラルネットワークを用いて新たな制約を課す。我々のモデルは、CAMELSプロジェクトの何千もの最先端の流体力学シミュレーションに基づいて訓練されている。
参考スコア（独自算出の注目度）: 0.602276990341246
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present new constraints on the masses of the halos hosting the Milky Way and Andromeda galaxies derived using graph neural networks. Our models, trained on thousands of state-of-the-art hydrodynamic simulations of the CAMELS project, only make use of the positions, velocities and stellar masses of the galaxies belonging to the halos, and are able to perform likelihood-free inference on halo masses while accounting for both cosmological and astrophysical uncertainties. Our constraints are in agreement with estimates from other traditional methods.
Abstract（参考訳）: 我々は、銀河系とアンドロメダ銀河を包含するハロの質量に関する新しい制約をグラフニューラルネットワークを用いて提示する。我々のモデルは、CAMELS計画の何千もの最先端の流体力学シミュレーションに基づいて訓練され、ハロに属する銀河の位置、速度、恒星質量のみを利用しており、宇宙学的および天文学的な不確かさを考慮しつつハロ質量について確率のない推論を行うことができる。我々の制約は他の伝統的な方法からの見積もりと一致している。

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)
Identifying AGN host galaxies with convolutional neural networks [0.0]
我々は、AGNホスト銀河と非活性銀河を区別するために畳み込みニューラルネットワーク(CNN)を訓練する。合成物質としてスペクトル分類された33,000個の銀河のCNNを評価する。
論文参考訳（メタデータ） (2022-12-15T15:04:40Z)
Towards solving model bias in cosmic shear forward modeling [2.967246997200238]
弱い重力レンズは、宇宙のせん断と呼ばれる銀河形態のわずかなせん断を発生させる。楕円度測定の統計に基づくせん断推定の現代の技術は、楕円度が任意の銀河の光のプロファイルに対して適切に定義された量ではないという事実に悩まされている。生成モデルが銀河形態を捉えるハイブリッド物理・ディープラーニング階層ベイズモデルにより、現実的な銀河上でのせん断の偏りのない推定を復元できることを示す。
論文参考訳（メタデータ） (2022-10-28T16:23:49Z)
Non-Abelian braiding of graph vertices in a superconducting processor [144.97755321680464]
粒子の不識別性は量子力学の基本的な原理である。非アベリア・エノンのブレイディングは、退化波動関数の空間において回転を引き起こす。我々は,エノンの融合規則を実験的に検証し,それらの統計値を実現するためにそれらを編み取る。
論文参考訳（メタデータ） (2022-10-19T02:28:44Z)
Uncovering dark matter density profiles in dwarf galaxies with graph neural networks [1.823419686712506]
我々は、これらの系に重力的に結合した恒星の観測可能なキネマティクスから、小銀河のダークマター密度プロファイルを推定する新しい手法を提案する。本手法は, 暗黒物質分布に強い制約を課すことができ, 暗黒物質ハロの小規模構造に係わるパズルのいくつかを重み付けできる可能性が示唆された。
論文参考訳（メタデータ） (2022-08-26T18:00:04Z)
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)
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$0.2 dexの精度で制限することができる。
論文参考訳（メタデータ） (2021-11-16T18:37:53Z)
Satellite galaxy abundance dependency on cosmology in Magneticum simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。 A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
論文参考訳（メタデータ） (2021-10-11T18:00:02Z)
Simulation of Collective Neutrino Oscillations on a Quantum Computer [117.44028458220427]
本稿では,現在発生している量子デバイスを用いたニュートリノ相互作用系の最初のシミュレーションを行う。量子ビットの自然接続における制限を克服し、それをリアルタイムに絡み合いの進化を追跡する戦略を導入する。
論文参考訳（メタデータ） (2021-02-24T20:51:25Z)
Simplifying Hamiltonian and Lagrangian Neural Networks via Explicit Constraints [49.66841118264278]
私たちは、現在のアプローチの限界を押し上げるために、一連の挑戦的なカオスと拡張ボディシステムを導入します。実験の結果,明示的な制約を持つモンテカルロ座標は,精度とデータ効率を100倍に向上させることがわかった。
論文参考訳（メタデータ） (2020-10-26T13:35:16Z)
Probing chiral edge dynamics and bulk topology of a synthetic Hall system [52.77024349608834]
量子ホール系は、基礎となる量子状態の位相構造に根ざしたバルク特性であるホール伝導の量子化によって特徴づけられる。ここでは, 超低温のジスプロシウム原子を用いた量子ホール系を, 空間次元の2次元形状で実現した。磁気サブレベルが多数存在すると、バルクおよびエッジの挙動が異なることが示される。
論文参考訳（メタデータ） (2020-01-06T16:59:08Z)

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。