論文の概要: Galaxy Image Deconvolution for Weak Gravitational Lensing with Physics-informed Deep Learning

• arxiv url: http://arxiv.org/abs/2211.01567v1
• Date: Thu, 3 Nov 2022 03:12:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 14:02:37.474379
• Title: Galaxy Image Deconvolution for Weak Gravitational Lensing with Physics-informed Deep Learning
• Title（参考訳）: 物理インフォームドディープラーニングを用いた弱重力レンズ用銀河画像デコンボリューション
• Authors: Tianao Li and Emma Alexander
• Abstract要約: 銀河画像から光学的および大気的なぼかしを除去することで、銀河の形状測定を大幅に改善する。 我々は、銀河探査において、ポイントスプレッド(PSF)デコンボリューション問題に対するいわゆる「物理に基づくディープラーニング」アプローチを導入する。
• 参考スコア（独自算出の注目度）: 0.623075162128532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Removing optical and atmospheric blur from galaxy images significantly improves galaxy shape measurements for weak gravitational lensing and galaxy evolution studies. This ill-posed linear inverse problem is usually solved with deconvolution algorithms enhanced by regularisation priors or deep learning. We introduce a so-called "physics-based deep learning" approach to the Point Spread Function (PSF) deconvolution problem in galaxy surveys. We apply algorithm unrolling and the Plug-and-Play technique to the Alternating Direction Method of Multipliers (ADMM) with a Poisson noise model and use a neural network to learn appropriate priors from simulated galaxy images. We characterise the time-performance trade-off of several methods for galaxies of differing brightness levels, showing an improvement of 26% (SNR=20)/48% (SNR=100) compared to standard methods and 14% (SNR=20) compared to modern methods.
• Abstract（参考訳）: 銀河画像から光学的および大気的なぼかしを除去することで、弱い重力レンズや銀河進化研究のための銀河形状の測定を大幅に改善する。 この不測の線形逆問題は通常、正規化前やディープラーニングによって強化されたデコンボリューションアルゴリズムで解決される。 我々は、銀河探査において、ポイントスプレッド関数(PSF)デコンボリューション問題に対するいわゆる「物理に基づくディープラーニング」アプローチを導入する。 本稿では,ポアソンノイズモデルを用いた乗算器の交互方向法(ADMM)にアルゴリズムアンローリングとプラグアンドプレイ手法を適用し,ニューラルネットワークを用いてシミュレーションされた銀河画像から適切な先行点を学習する。 輝度レベルが異なる銀河の時間的トレードオフを特徴とし、標準法に比べて26%(SNR=20)/48%(SNR=100)、近代法では14%(SNR=20)の改善を示した。

関連論文リスト

• Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
  我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。 本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。 実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
  論文  参考訳（メタデータ） (2024-10-07T07:46:08Z)
• Galaxy spectroscopy without spectra: Galaxy properties from photometric images with conditional diffusion models [3.556281115019309]
  我々は、測光広帯域画像のみから光銀河スペクトルを予測できる生成AI法を開発した。 この研究は、測光画像から速度分散を推定するための文献における最初の試みである。 活動銀河核の存在を82%の精度で予測できる。
  論文  参考訳（メタデータ） (2024-06-26T08:49:51Z)
• Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
  Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。 我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。 本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
  論文  参考訳（メタデータ） (2024-05-13T15:30:41Z)
• 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)
• 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)
• Galaxy Image Classification using Hierarchical Data Learning with Weighted Sampling and Label Smoothing [2.7681581852623545]
  本稿では,重み付きサンプリングとラベル平滑化を用いた階層的不均衡データ学習法(HIWL)を提案する。 総合的な分類精度は96.32%であり、HIWLのいくつかの優位性はリコール、精度、F1スコアに基づいて示される。
  論文  参考訳（メタデータ） (2022-12-20T08:46:42Z)
• 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)
• 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)
• 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)
• Reinforcement Learning with Fast Stabilization in Linear Dynamical Systems [91.43582419264763]
  未知の安定化線形力学系におけるモデルベース強化学習(RL)について検討する。 本研究では,環境を効果的に探索することで,基盤システムの高速安定化を証明できるアルゴリズムを提案する。 提案アルゴリズムはエージェント環境相互作用の時間ステップで$tildemathcalO(sqrtT)$ regretを達成した。
  論文  参考訳（メタデータ） (2020-07-23T23:06:40Z)
• Constraining the recent star formation history of galaxies : an Approximate Bayesian Computation approach [0.0]
  本研究は、過去数十～数百年の恒星形成活動の強い変動を呈する銀河を同定する手法を提案する。 高信号対雑音比広帯域光度計を用いてCOSMOS銀河のサンプルを分析する。
  論文  参考訳（メタデータ） (2020-02-18T19:00:01Z)

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。