論文の概要: Towards solving model bias in cosmic shear forward modeling

• arxiv url: http://arxiv.org/abs/2210.16243v1
• Date: Fri, 28 Oct 2022 16:23:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 17:17:00.548917
• Title: Towards solving model bias in cosmic shear forward modeling
• Title（参考訳）: 宇宙せん断前方モデリングにおけるモデルバイアスの解決に向けて
• Authors: Benjamin Remy and Francois Lanusse and Jean-Luc Starck
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.4175631146498558
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the volume and quality of modern galaxy surveys increase, so does the difficulty of measuring the cosmological signal imprinted in galaxy shapes. Weak gravitational lensing sourced by the most massive structures in the Universe generates a slight shearing of galaxy morphologies called cosmic shear, key probe for cosmological models. Modern techniques of shear estimation based on statistics of ellipticity measurements suffer from the fact that the ellipticity is not a well-defined quantity for arbitrary galaxy light profiles, biasing the shear estimation. We show that a hybrid physical and deep learning Hierarchical Bayesian Model, where a generative model captures the galaxy morphology, enables us to recover an unbiased estimate of the shear on realistic galaxies, thus solving the model bias.
• Abstract（参考訳）: 現代の銀河調査の量と質が増加するにつれて、銀河の形に刻印された宇宙信号の測定も困難になる。 宇宙で最も巨大な構造によって引き起こされる弱い重力レンズは、宇宙モデルの主要なプローブである宇宙せん断と呼ばれる銀河形態のわずかなせん断を生み出している。 楕円性測定の統計に基づく最近のせん断推定技術は、楕円性が任意の銀河の光プロファイルに対して明確に定義された量ではなく、せん断推定のバイアスであるという事実に苦しむ。 生成モデルが銀河の形態を捉えたハイブリッド物理モデルとディープラーニング階層ベイズモデルにより、現実的な銀河のせん断の偏りのない推定を復元し、モデルバイアスを解消できることが示されている。

関連論文リスト

• Geometric deep learning for galaxy-halo connection: a case study for galaxy intrinsic alignments [1.2231689895452238]
  我々は、IllustrisTNG-100シミュレーションに基づいて訓練された深部生成モデルを提案し、3次元銀河の形状と方位をサンプリングする。 このモデルは、参照シミュレーションと統計的に一致した銀河方位などの特徴を学習し、予測することができる。
  論文  参考訳（メタデータ） (2024-09-27T13:55:10Z)
• A point cloud approach to generative modeling for galaxy surveys at the field level [0.5099081649205313]
  宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。 クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。 このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
  論文  参考訳（メタデータ） (2023-11-28T19:00:00Z)
• 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)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• 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)
• 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)
• 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)
• Strong Lensing Source Reconstruction Using Continuous Neural Fields [3.604982738232833]
  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。
  論文  参考訳（メタデータ） (2022-06-29T18:00:01Z)
• 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)
• Geometric phase in a dissipative Jaynes-Cummings model: theoretical explanation for resonance robustness [68.8204255655161]
  我々は、ユニタリモデルと散逸型Jaynes-Cummingsモデルの両方で得られた幾何位相を計算する。 散逸モデルでは、非単体効果は、空洞壁を通る光子の流出から生じる。 幾何学的位相が堅牢であることを示し、非単体進化の下で消滅する補正を示す。
  論文  参考訳（メタデータ） (2021-10-27T15:27:54Z)
• Fast and Accurate Non-Linear Predictions of Universes with Deep Learning [21.218297581239664]
  我々は、高速線形予測を数値シミュレーションから完全に非線形な予測に変換するV-Netベースのモデルを構築した。 我々のNNモデルはシミュレーションを小さなスケールにエミュレートすることを学び、現在の最先端の近似手法よりも高速かつ高精度である。
  論文  参考訳（メタデータ） (2020-12-01T03:30:37Z)

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。