論文の概要: Using machine learning to parametrize postmerger signals from binary neutron stars

• arxiv url: http://arxiv.org/abs/2201.06461v1
• Date: Mon, 17 Jan 2022 15:14:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-20 14:02:08.083957
• Title: Using machine learning to parametrize postmerger signals from binary neutron stars
• Title（参考訳）: 機械学習による二元中性子星からの後光のパラメトリゼーション
• Authors: Tim Whittaker, William E. East, Stephen R. Green, Luis Lehner, Huan Yang
• Abstract要約: 我々は、条件付き変分オートエンコーダ(CVAE)を用いて、超大質量中性子星残差信号のアフターマーガーモデルを構築する。 CVAEは、潜在パラメータのセット内のトレーニングデータの不確実性を符号化する。 CVAEは正確な生成モデルとして利用でき、有効な潜在表現として状態方程式を符号化できることを示す。
• 参考スコア（独自算出の注目度）: 2.375594719720939
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is growing interest in the detection and characterization of gravitational waves from postmerger oscillations of binary neutron stars. These signals contain information about the nature of the remnant and the high-density and out-of-equilibrium physics of the postmerger processes, which would complement any electromagnetic signal. However, the construction of binary neutron star postmerger waveforms is much more complicated than for binary black holes: (i) there are theoretical uncertainties in the neutron-star equation of state and other aspects of the high-density physics, (ii) numerical simulations are expensive and available ones only cover a small fraction of the parameter space with limited numerical accuracy, and (iii) it is unclear how to parametrize the theoretical uncertainties and interpolate across parameter space. In this work, we describe the use of a machine-learning method called a conditional variational autoencoder (CVAE) to construct postmerger models for hyper/massive neutron star remnant signals based on numerical-relativity simulations. The CVAE provides a probabilistic model, which encodes uncertainties in the training data within a set of latent parameters. We estimate that training such a model will ultimately require $\sim 10^4$ waveforms. However, using synthetic training waveforms as a proof-of-principle, we show that the CVAE can be used as an accurate generative model and that it encodes the equation of state in a useful latent representation.
• Abstract（参考訳）: 二元中性子星の後発振動による重力波の検出とキャラクタリゼーションへの関心が高まっている。 これらの信号には、残基の性質と、どの電磁信号も補完する後過程の高密度および非平衡物理学に関する情報が含まれている。 しかし、二元中性子星後星波形の構築は二元ブラックホールよりもはるかに複雑である。 (i)中性子星の状態方程式や高密度物理学の他の側面に理論的に不確かさがある。 (二)数値シミュレーションは高価で、利用可能な数値はパラメータ空間のごく一部に限られており、数値精度は限られている。 三 理論の不確かさをパラメトリケートし、パラメータ空間をまたいで補間する方法は定かでない。 本研究では,超大質量中性子星残差信号の連星後モデルを構築するために,条件変分オートエンコーダ(CVAE)と呼ばれる機械学習手法を用いた。 CVAEは確率モデルを提供し、潜在パラメータのセット内のトレーニングデータの不確実性を符号化する。 このようなモデルのトレーニングには、最終的に$\sim 10^4$波形が必要になると見積もる。 しかし, 合成学習波形を原理証明として, CVAEを正確な生成モデルとして用いることができ, 有効な潜在表現として状態方程式を符号化することを示した。

関連論文リスト

• Simulating Neutron Scattering on an Analog Quantum Processor [0.0]
  本稿では,QuEraのAquilaプロセッサ上での中性子散乱をシミュレーションする手法を提案する。 ハードウェア上でのプロシージャの性能に関する数値シミュレーションと実験結果を提供する。 また,両部の絡み合いを実験的に確認した。
  論文  参考訳（メタデータ） (2024-10-04T22:39:29Z)
• Quantum Bayesian Inference with Renormalization for Gravitational Waves [1.4555521588662113]
  重力波干渉計で検出された小型のバイナリコレッセンスからパラメータの量子推論を行うために,ハイブリッド量子アルゴリズムを提案する。 LIGO観測所から二元ブラックホール(BBH)の融合をアルゴリズムをテストする最初のケースとして選択するが、その応用はより一般的なインスタンスに拡張できる。
  論文  参考訳（メタデータ） (2024-02-29T14:22:16Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Variational waveguide QED simulators [58.720142291102135]
  導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。 ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
  論文  参考訳（メタデータ） (2023-02-03T18:55:08Z)
• Machine-Learning Love: classifying the equation of state of neutron stars with Transformers [0.0]
  重力波データ解析におけるAudio Spectrogram Transformer(AST)モデルの適用について検討した。 二元中性子星合体からの吸気重力波信号のシミュレーションデータセットにモデルを適用した。
  論文  参考訳（メタデータ） (2022-10-15T21:32:36Z)
• Uncertainty quantification in a mechanical submodel driven by a Wasserstein-GAN [0.0]
  本稿では,機械学習やデータ駆動手法における非線形手法の利用が重要であることを示す。 このような応用にはGAN(Generative Adversarial Networks)が適しており、Wasserstein-GANには勾配ペナルティのバリエーションがある。
  論文  参考訳（メタデータ） (2021-10-26T13:18:06Z)
• Spectral density reconstruction with Chebyshev polynomials [77.34726150561087]
  厳密な誤差推定で有限エネルギー分解能の制御可能な再構成を行う方法を示す。 これは、核と凝縮物質物理学における将来の応用の道を開くものである。
  論文  参考訳（メタデータ） (2021-10-05T15:16:13Z)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
  本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。 我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
  論文  参考訳（メタデータ） (2021-06-25T17:25:38Z)
• Quantum Simulation of Molecules without Fermionic Encoding of the Wave Function [62.997667081978825]
  波動関数のフェルミオン符号化はバイパスされ、より効率的な量子計算に繋がる。 H$_4$の基底状態エネルギーと2-RDMの計算への応用について述べる。
  論文  参考訳（メタデータ） (2021-01-27T18:57:11Z)
• Data-driven learning of nonlocal models: from high-fidelity simulations to constitutive laws [3.1196544696082613]
  機械学習により, 1次元複合材料の応力波シミュレーションの精度が向上することを示す。 応力波伝播モデルの非局所法則を学習するためのデータ駆動技術を提案する。
  論文  参考訳（メタデータ） (2020-12-08T01:46:26Z)

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。