論文の概要: Strong Lensing Source Reconstruction Using Continuous Neural Fields

• arxiv url: http://arxiv.org/abs/2206.14820v1
• Date: Wed, 29 Jun 2022 18:00:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-01 14:04:16.517083
• Title: Strong Lensing Source Reconstruction Using Continuous Neural Fields
• Title（参考訳）: 連続神経場を用いた強いレンズソース再構成
• Authors: Siddharth Mishra-Sharma, Ge Yang
• Abstract要約: 本研究では、連続したニューラルネットワークを用いて、源銀河の複雑な形態を非パラメトリックに再構成する手法を提案する。 本研究では,高解像度レンズ画像を対象としたシミュレーションデータを用いた実験により,本手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 3.604982738232833
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: From the nature of dark matter to the rate of expansion of our Universe, observations of distant galaxies distorted through strong gravitational lensing have the potential to answer some of the major open questions in astrophysics. Modeling galaxy-galaxy strong lensing observations presents a number of challenges as the exact configuration of both the background source and foreground lens galaxy is unknown. A timely call, prompted by a number of upcoming surveys anticipating high-resolution lensing images, demands methods that can efficiently model lenses at their full complexity. In this work, we introduce a method that uses continuous neural fields to non-parametrically reconstruct the complex morphology of a source galaxy while simultaneously inferring a distribution over foreground lens galaxy configurations. We demonstrate the efficacy of our method through experiments on simulated data targeting high-resolution lensing images similar to those anticipated in near-future astrophysical surveys.
• Abstract（参考訳）: ダークマターの性質から宇宙の膨張率まで、強い重力レンズを通して歪んだ遠方の銀河の観測は、天体物理学における主要な疑問に答える可能性がある。 銀河ギャラクシーの強いレンズ観測のモデル化は、背景と前景のレンズ銀河の正確な構成が不明であるため、多くの課題を呈している。 タイムリーな電話は、高解像度のレンズ画像が予想される多くの調査によって引き起こされ、レンズの完全な複雑さを効率的にモデル化する手法が求められている。 本研究では, 連続神経場を用いて, 光源銀河の複雑な形態を非パラメトリックに再構成し, 同時に前景レンズ銀河の分布を推定する手法を提案する。 近未来の天体物理探査で期待されるような高解像度レンズ画像を対象としたシミュレーションデータを用いて,本手法の有効性を実証する。

関連論文リスト

• CSST Strong Lensing Preparation: a Framework for Detecting Strong Lenses in the Multi-color Imaging Survey by the China Survey Space Telescope (CSST) [25.468504540327498]
  強い重力レンズはダークマターとダークエネルギー特性を研究する強力なツールである。 我々は,階層型視覚変換器をベースとしたスライディングウインドウ技術を用いて,画像全体に強いレンズシステムを求めるフレームワークを開発した。 我々のフレームワークは、それぞれ0.98と0.90の精度とリコール率を達成する。
  論文  参考訳（メタデータ） (2024-04-02T09:44:30Z)
• Galaxy Classification: A machine learning approach for classifying shapes using numerical data [0.0]
  我々は,Galaxy Zooプロジェクトの数値データを用いて,銀河分類のための機械学習モデルを提案する。 我々のモデルは銀河の分類において高い精度を達成し、銀河の形成と進化の理解を著しく向上させる可能性を持っている。
  論文  参考訳（メタデータ） (2023-11-30T20:47:16Z)
• Spiral-Elliptical automated galaxy morphology classification from telescope images [0.40792653193642503]
  我々は、望遠鏡の銀河画像から効率的に抽出できる2つの新しい銀河形態統計、降下平均と降下分散を開発した。 我々は,Sloan Digital Sky Surveyの銀河画像データを用いて,提案した画像統計の有効性能を実証した。
  論文  参考訳（メタデータ） (2023-10-10T22:36:52Z)
• High-dimensional quantum correlation measurements with an adaptively gated hybrid single-photon camera [58.720142291102135]
  本研究では,高空間分解能センサと高時間分解能検出器を組み合わせた適応ゲート型ハイブリッド高分解能カメラ(HIC)を提案する。 空間分解能は9メガピクセル近く、時間分解能はナノ秒に近いため、このシステムは以前は実現不可能だった量子光学実験の実現を可能にする。
  論文  参考訳（メタデータ） (2023-05-25T16:59:27Z)
• PAC-NeRF: Physics Augmented Continuum Neural Radiance Fields for Geometry-Agnostic System Identification [64.61198351207752]
  ビデオからのシステム同定(オブジェクトの物理的パラメータを推定する)への既存のアプローチは、既知のオブジェクトジオメトリを仮定する。 本研究では,オブジェクトの形状やトポロジを仮定することなく,多視点ビデオの集合から物理系を特徴付けるパラメータを同定することを目的とする。 マルチビュービデオから高ダイナミックな物体の未知の幾何学的パラメータと物理的パラメータを推定するために,Physics Augmented Continuum Neural Radiance Fields (PAC-NeRF)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T18:59:50Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• Detection of Strongly Lensed Arcs in Galaxy Clusters with Transformers [11.051750815556748]
  本稿では,変圧器を用いた検出アルゴリズムと画像シミュレーションアルゴリズムを含む,クラスタスケールの強レンズアークを検出するフレームワークを提案する。 その結果,シミュレーション画像からの強レンズアーク検出において,99.63 %の精度,90.32 %のリコール率,85.37 %の精度,0.23 %の偽陽性率が得られた。
  論文  参考訳（メタデータ） (2022-11-11T02:33:34Z)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• 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)
• 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)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)

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。

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。