論文の概要: MAGIC: Microlensing Analysis Guided by Intelligent Computation

• arxiv url: http://arxiv.org/abs/2206.08199v1
• Date: Thu, 16 Jun 2022 14:14:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-18 00:51:11.570668
• Title: MAGIC: Microlensing Analysis Guided by Intelligent Computation
• Title（参考訳）: MAGIC:Intelligent Computationによるマイクロレンズ解析
• Authors: Haimeng Zhao and Wei Zhu
• Abstract要約: MAGICは、バイナリイベントのマイクロレンズパラメータをリアルなデータ品質で効率的に推論する機械学習フレームワークである。 MAGICは、大きなデータギャップが導入された場合でも、縮退したソリューションを見つけることができる。
• 参考スコア（独自算出の注目度）: 5.503321733964237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The modeling of binary microlensing light curves via the standard sampling-based method can be challenging, because of the time-consuming light curve computation and the pathological likelihood landscape in the high-dimensional parameter space. In this work, we present MAGIC, which is a machine learning framework to efficiently and accurately infer the microlensing parameters of binary events with realistic data quality. In MAGIC, binary microlensing parameters are divided into two groups and inferred separately with different neural networks. The key feature of MAGIC is the introduction of neural controlled differential equation, which provides the capability to handle light curves with irregular sampling and large data gaps. Based on simulated light curves, we show that MAGIC can achieve fractional uncertainties of a few percent on the binary mass ratio and separation. We also test MAGIC on a real microlensing event. MAGIC is able to locate the degenerate solutions even when large data gaps are introduced. As irregular samplings are common in astronomical surveys, our method also has implications to other studies that involve time series.
• Abstract（参考訳）: 高次元パラメータ空間における時間的光曲線計算と病理的可能性ランドスケープのため、標準サンプリングベース法によるバイナリマイクロレンズ光曲線のモデリングは困難である。 そこで本研究では,バイナリイベントのマイクロレンズパラメータをリアルなデータ品質で効率的に正確に推定する機械学習フレームワークであるmagicを提案する。 MAGICでは、バイナリマイクロレンズパラメータは2つのグループに分けられ、異なるニューラルネットワークで別々に推論される。 MAGICの鍵となる特徴は神経制御微分方程式の導入であり、不規則なサンプリングと大きなデータギャップを持つ光曲線を扱う能力を提供する。 シミュレーション光曲線に基づいて, MRICは二乗質量比と分離で数パーセントの分数的不確かさを達成できることを示す。 また、実際のマイクロレンズイベントでMAGICをテストする。 MAGICは、大きなデータギャップが導入された場合でも、退化したソリューションを見つけることができる。 天文学的な調査では不規則なサンプリングが一般的であるため,本手法は時系列を含む他の研究にも影響を及ぼす。

関連論文リスト

• FISBe: A real-world benchmark dataset for instance segmentation of long-range thin filamentous structures [4.9246627979592725]
  神経系の体積光顕微鏡画像におけるニューロンのセグメンテーションは、神経科学における画期的な研究を可能にする。 しかし、マルチニューロン光顕微鏡のデータは、インスタンスセグメンテーションのタスクにとって非常に難しい特性を示している。 私たちはFlyLight Instance Benchmark(FISBe)データセットをリリースしました。
  論文  参考訳（メタデータ） (2024-03-29T19:51:34Z)
• How to find optimal quantum states for optical micromanipulation and metrology in complex scattering problems: tutorial [0.0]
  線形散乱系において、任意のパラメータをキャラクタリゼーションし、操作するために、空間的および量子的自由度の両方を最適に利用する方法について議論する。 本チュートリアルの目的は, 波動制御, 量子光学, マイクロマニピュレーション, 量子気象学, 真空物理の異なるコミュニティ間を橋渡しすることである。
  論文  参考訳（メタデータ） (2024-03-06T15:01:29Z)
• Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
  本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。 提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
  論文  参考訳（メタデータ） (2023-11-30T13:50:21Z)
• Gradient-Based Feature Learning under Structured Data [57.76552698981579]
  異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。 バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。 特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
  論文  参考訳（メタデータ） (2023-09-07T16:55:50Z)
• 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)
• Many-body magic via Pauli-Markov chains -- from criticality to gauge theories [0.0]
  マルコフ連鎖によるパウリ弦の統計的探索に基づいて,量子系における多体マジックを測定する手法を提案する。 このようなパウリ-マルコフ連鎖のサンプリングは、どこからサンプリングするかの分割に関して、十分な柔軟性を与えることを示した。 我々は,魔術が閉じ込め・分解遷移を識別できるという決定的な証拠を提供し,比較的穏やかなボリュームでも重要なスケーリング挙動を示す。
  論文  参考訳（メタデータ） (2023-05-29T18:14:47Z)
• Machine learning-based spin structure detection [0.0]
  我々は,この測定におけるスカイミオンの位置と形状を検出するために,セグメンテーション問題に特化して設計された畳み込みニューラルネットワークについて報告する。 本研究の結果から, よく訓練されたネットワークは, 磁気顕微鏡におけるデータ前処理の自動化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T17:19:31Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• 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)
• Performance of teleportation-based error correction circuits for bosonic codes with noisy measurements [58.720142291102135]
  テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。 マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
  論文  参考訳（メタデータ） (2021-08-02T16:12:13Z)
• Identifying microlensing events using neural networks [0.0]
  現在の重力マイクロレンズ調査では、ギャラクティック・バルジで何億もの星が観測されている。 マイクロレンズ現象は、非常に厳密な選択カットを施すか、数万光度曲線を手動で検査することによって検出された。 単一およびバイナリマイクロレンズイベントを検出するための2つの単純なニューラルネットワークに基づく分類器を提案する。
  論文  参考訳（メタデータ） (2020-08-27T06:18:44Z)

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。