論文の概要: DeepLSS: breaking parameter degeneracies in large scale structure with
deep learning analysis of combined probes
- arxiv url: http://arxiv.org/abs/2203.09616v1
- Date: Thu, 17 Mar 2022 21:08:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-21 15:55:48.546613
- Title: DeepLSS: breaking parameter degeneracies in large scale structure with
deep learning analysis of combined probes
- Title（参考訳）: DeepLSS:複合プローブのディープラーニング解析による大規模構造における破壊パラメータの退化
- Authors: Tomasz Kacprzak and Janis Fluri
- Abstract要約: 我々は、弱い重力レンズと銀河クラスタリングを組み合わせた深層学習分析により、これらの退化を効果的に破壊できることを示した。
これらの退化によって、$sigma_8$と$Omega_m$の制約パワーが大幅に向上し、メリットの数値が15倍になった。
これらの結果は、機械学習による宇宙論的推論に対する、完全に数値的な地図に基づく前方モデリングアプローチが、今後のLSS調査において重要な役割を果たすことを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In classical cosmological analysis of large scale structure surveys with 2-pt
functions, the parameter measurement precision is limited by several key
degeneracies within the cosmology and astrophysics sectors. For cosmic shear,
clustering amplitude $\sigma_8$ and matter density $\Omega_m$ roughly follow
the $S_8=\sigma_8(\Omega_m/0.3)^{0.5}$ relation. In turn, $S_8$ is highly
correlated with the intrinsic galaxy alignment amplitude $A_{\rm{IA}}$. For
galaxy clustering, the bias $b_g$ is degenerate with both $\sigma_8$ and
$\Omega_m$, as well as the stochasticity $r_g$. Moreover, the redshift
evolution of IA and bias can cause further parameter confusion. A tomographic
2-pt probe combination can partially lift these degeneracies. In this work we
demonstrate that a deep learning analysis of combined probes of weak
gravitational lensing and galaxy clustering, which we call DeepLSS, can
effectively break these degeneracies and yield significantly more precise
constraints on $\sigma_8$, $\Omega_m$, $A_{\rm{IA}}$, $b_g$, $r_g$, and IA
redshift evolution parameter $\eta_{\rm{IA}}$. The most significant gains are
in the IA sector: the precision of $A_{\rm{IA}}$ is increased by approximately
8x and is almost perfectly decorrelated from $S_8$. Galaxy bias $b_g$ is
improved by 1.5x, stochasticity $r_g$ by 3x, and the redshift evolution
$\eta_{\rm{IA}}$ and $\eta_b$ by 1.6x. Breaking these degeneracies leads to a
significant gain in constraining power for $\sigma_8$ and $\Omega_m$, with the
figure of merit improved by 15x. We give an intuitive explanation for the
origin of this information gain using sensitivity maps. These results indicate
that the fully numerical, map-based forward modeling approach to cosmological
inference with machine learning may play an important role in upcoming LSS
surveys. We discuss perspectives and challenges in its practical deployment for
a full survey analysis.
- Abstract（参考訳）: 2-pt関数を持つ大規模構造調査の古典宇宙論解析では、パラメータ測定精度は宇宙論と天体物理学におけるいくつかの重要な縮退によって制限される。
宇宙せん断の場合、クラスタリング振幅$\sigma_8$と物質密度$\Omega_m$は、大まかに$S_8=\sigma_8(\Omega_m/0.3)^{0.5}$の関係に従う。
逆に、$S_8$は固有銀河アライメント振幅$A_{\rm{IA}}$と高い相関を持つ。
ギャラクシークラスタリングでは、バイアス $b_g$ は $\sigma_8$ と $\omega_m$ の両方で縮退する。
さらに、IAとバイアスの赤方偏移進化は、さらなるパラメータ混乱を引き起こす可能性がある。
トモグラフィー2-ptプローブの組み合わせは、これらの縮退を部分的に持ち上げることができる。
本研究では、DeepLSSと呼ばれる弱い重力レンズと銀河クラスタリングを組み合わせたプローブの深層解析により、これらの縮退を効果的に破り、$\sigma_8$, $\Omega_m$, $A_{\rm{IA}}$, $b_g$, $r_g$, IA赤方偏移進化パラメータ$\eta_{\rm{IA}}$に対してより正確な制約が得られることを示した。
A_{\rm{IA}}$の精度はおよそ8倍に向上し、ほぼ完全にS_8$と非相関である。
Galaxy bias $b_g$は1.5倍、 stochasticity $r_g$は3倍、redshift evolution $\eta_{\rm{IA}}$と$\eta_b$は1.6倍改善される。
これらの退化を破ると、$\sigma_8$と$\Omega_m$の制約パワーが大幅に増加し、メリットの数値は15倍に向上する。
この情報ゲインの起源について,感度マップを用いて直感的な説明を行う。
これらの結果は、機械学習による宇宙論的推論に対する、完全に数値的な地図に基づく前方モデリングアプローチが、今後のLSS調査において重要な役割を果たすことを示唆している。
フルサーベイ分析のための実践的展開における視点と課題について論じる。
関連論文リスト
- SimBIG: Field-level Simulation-Based Inference of Galaxy Clustering [2.3988372195566443]
本稿では、銀河団のフィールドレベル解析から、宇宙パラメータの最初のシミュレーションベース推論(SBI)を提案する。
重み付き畳み込みニューラルネットワークを用いて、BOSS CMASS銀河サンプルのサブセットにSimBIGを適用し、銀河場の大規模データ圧縮を行う。
この研究は、競合する宇宙学の制約を提示するだけでなく、DESI、PSS、ユークリッドのような今後の銀河調査で追加の宇宙学情報を活用する新しい手法も導入している。
論文 参考訳（メタデータ） (2023-10-23T18:05:32Z) - A Unified Framework for Uniform Signal Recovery in Nonlinear Generative
Compressed Sensing [68.80803866919123]
非線形測定では、ほとんどの先行結果は一様ではない、すなわち、すべての$mathbfx*$に対してではなく、固定された$mathbfx*$に対して高い確率で保持される。
本フレームワークはGCSに1ビット/一様量子化観測と単一インデックスモデルを標準例として適用する。
また、指標集合が計量エントロピーが低い製品プロセスに対して、より厳密な境界を生み出す濃度不等式も開発する。
論文 参考訳（メタデータ） (2023-09-25T17:54:19Z) - Bayesian deep learning for cosmic volumes with modified gravity [0.0]
本研究では,不確実性推定による深層ニューラルネットワークを用いて,修正重力(MG)シミュレーションから宇宙パラメータを抽出することを目的とした。
実空間密度場とパワースペクトルの両BNNを2000ダークマターのみの粒子メッシュのスイートから訓練する。
BNNは$Omega_m$と$sigma_8$のパラメータとMGパラメータとの相関を正確に予測する。
論文 参考訳（メタデータ） (2023-09-01T17:59:06Z) - Smoothing the Landscape Boosts the Signal for SGD: Optimal Sample
Complexity for Learning Single Index Models [43.83997656986799]
1つのインデックスモデル $sigma(wstar cdot x)$ を、$d$次元の等方的ガウス分布に関して学習するタスクに焦点を当てる。
スムーズな損失のオンラインSGDは、$n gtrsim dkstar/2$サンプルで$wstar$を学習する。
論文 参考訳（メタデータ） (2023-05-18T01:10:11Z) - The SZ flux-mass ($Y$-$M$) relation at low halo masses: improvements
with symbolic regression and strong constraints on baryonic feedback [2.436653298863297]
AGNと超新星のフィードバックは、CMBサーベイによるハロのSZフラックスの総合的な測定に影響を与える可能性がある。
低質量のフィードバックプロセスに対してより堅牢な$Y-M$関係の類似を探索する。
この結果は,今後のSZ調査を用いて,バリオニクスフィードバックの性質を制約する上で有用である。
論文 参考訳（メタデータ） (2022-09-05T18:00:00Z) - Topology-aware Generalization of Decentralized SGD [89.25765221779288]
本稿では,分散型Valpha-10安定降下(D-SGD)の一般化可能性について検討する。
D-SGDの一般化性は、初期訓練段階における接続性と正の相関があることを証明した。
論文 参考訳（メタデータ） (2022-06-25T16:03:48Z) - Sharper Rates and Flexible Framework for Nonconvex SGD with Client and
Data Sampling [64.31011847952006]
我々は、平均$n$スムーズでおそらくは非カラー関数のほぼ定常点を求める問題を再考する。
我々は$smallsfcolorgreen$を一般化し、事実上あらゆるサンプリングメカニズムで確実に動作するようにします。
我々は、スムーズな非カラー状態における最適境界の最も一般的な、最も正確な解析を提供する。
論文 参考訳（メタデータ） (2022-06-05T21:32:33Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Augmenting astrophysical scaling relations with machine learning :
application to reducing the SZ flux-mass scatter [2.0223261087090303]
We study the Sunyaev-Zeldovich flux$-$cluster mass relation(Y_mathrmSZ-M$)
我々は、Y_mathrmSZ$とイオン化ガスの濃度を組み合わせたクラスター質量の新しいプロキシを求める。
以上の結果から,$c_mathrmgas$への依存は,外部よりも大きな散乱を示すクラスタのコアに関係していることが分かる。
論文 参考訳（メタデータ） (2022-01-04T19:00:01Z) - Improved Sample Complexity for Incremental Autonomous Exploration in
MDPs [132.88757893161699]
我々は $epsilon$-optimal 目標条件付きポリシーのセットを学び、$ L$ ステップ内で段階的に到達可能なすべての状態を達成します。
DisCoは、コストに敏感な最短経路問題に対して$epsilon/c_min$-optimalポリシーを返すことができる最初のアルゴリズムです。
論文 参考訳（メタデータ） (2020-12-29T14:06:09Z) - Curse of Dimensionality on Randomized Smoothing for Certifiable
Robustness [151.67113334248464]
我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。
我々はCIFARに関する実験結果を示し,その理論を検証した。
論文 参考訳（メタデータ） (2020-02-08T22:02:14Z)
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。