論文の概要: Cosmology from Galaxy Redshift Surveys with PointNet

• arxiv url: http://arxiv.org/abs/2211.12346v1
• Date: Tue, 22 Nov 2022 15:35:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 19:22:23.945442
• Title: Cosmology from Galaxy Redshift Surveys with PointNet
• Title（参考訳）: ポイントネットによる銀河赤方偏移探査からの宇宙学
• Authors: Sotiris Anagnostidis, Arne Thomsen, Tomasz Kacprzak, Tilman Tr\"oster, Luca Biggio, Alexandre Refregier, Thomas Hofmann
• Abstract要約: 宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。 我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。 我々のPointNetsの実装は、$mathcalO(104) - MathcalO(105)$銀河の入力を一度に分析できるので、この応用の初期の作業は、およそ2桁の精度で改善される。
• 参考スコア（独自算出の注目度）: 65.89809800010927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, deep learning approaches have achieved state-of-the-art results in the analysis of point cloud data. In cosmology, galaxy redshift surveys resemble such a permutation invariant collection of positions in space. These surveys have so far mostly been analysed with two-point statistics, such as power spectra and correlation functions. The usage of these summary statistics is best justified on large scales, where the density field is linear and Gaussian. However, in light of the increased precision expected from upcoming surveys, the analysis of -- intrinsically non-Gaussian -- small angular separations represents an appealing avenue to better constrain cosmological parameters. In this work, we aim to improve upon two-point statistics by employing a \textit{PointNet}-like neural network to regress the values of the cosmological parameters directly from point cloud data. Our implementation of PointNets can analyse inputs of $\mathcal{O}(10^4) - \mathcal{O}(10^5)$ galaxies at a time, which improves upon earlier work for this application by roughly two orders of magnitude. Additionally, we demonstrate the ability to analyse galaxy redshift survey data on the lightcone, as opposed to previously static simulation boxes at a given fixed redshift.
• Abstract（参考訳）: 近年,ポイントクラウドデータの解析において,ディープラーニングのアプローチが最先端の成果を達成している。 宇宙論において、銀河赤方偏移サーベイは宇宙における位置の置換不変な集まりに似ている。 これらの調査は、パワースペクトルや相関関数といった2点統計で分析されている。 これらの要約統計学の利用は、密度場が線型でガウス的であるような大規模で最適である。 しかし、今後の調査で期待される精度の高まりを踏まえて、本質的に非ガウシアンな小さな角分離の分析は、宇宙のパラメータをよりよく制約するための魅力的な道筋を示している。 本研究では,2点統計量を改善するために, 点クラウドデータから直接, 宇宙パラメータの値を回帰するために, textit{PointNet} のようなニューラルネットワークを用いる。 ポイントネットの実装により、一度に$\mathcal{O}(10^4)\mathcal{O}(10^5)$銀河の入力を分析できる。 さらに、ある固定された赤方偏移での以前の静的シミュレーションボックスとは対照的に、光円錐上の銀河赤方偏移サーベイデータを分析できることを実証する。

関連論文リスト

• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• CHARM: Creating Halos with Auto-Regressive Multi-stage networks [1.6987257996124416]
  CHARMは、モックハローカタログを作成するための新しい方法である。 モックハローカタログと塗装された銀河カタログは、実空間と赤方偏移空間の両方でN$ボディシミュレーションから得られたのと同じ統計特性を持つことを示す。
  論文  参考訳（メタデータ） (2024-09-13T18:00:06Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets [40.19690479537335]
  DA-GNNは,データセット間のタスクにおいて高い精度とロバスト性を実現する。 このことは、DA-GNNがドメインに依存しない宇宙情報を抽出するための有望な方法であることを示している。
  論文  参考訳（メタデータ） (2023-11-02T20:40:21Z)
• Field-level simulation-based inference with galaxy catalogs: the impact of systematic effects [0.6271213328710472]
  我々は、CAMELSプロジェクトと異なるコードで実行される何千もの最先端の流体力学シミュレーションから生成された銀河カタログ上で、我々のモデルを訓練し、テストする。 これらの効果の存在はモデルの精度と精度を低下させるが、モデルが良好に機能する銀河カタログの比率は90%以上である。
  論文  参考訳（メタデータ） (2023-10-23T18:00:07Z)
• Unveiling the Sampling Density in Non-Uniform Geometric Graphs [69.93864101024639]
  グラフを幾何学グラフとみなす: ノードは基礎となる計量空間からランダムにサンプリングされ、その距離が指定された近傍半径以下であれば任意のノードが接続される。 ソーシャルネットワークでは、コミュニティは密集したサンプル領域としてモデル化でき、ハブはより大きな近傍半径を持つノードとしてモデル化できる。 我々は,未知のサンプリング密度を自己監督的に推定する手法を開発した。
  論文  参考訳（メタデータ） (2022-10-15T08:01:08Z)
• 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)
• Fast and realistic large-scale structure from machine-learning-augmented random field simulations [0.0]
  我々は、予測された対数正規ダークマター密度場をより現実的なダークマターマップに変換するために機械学習モデルを訓練する。 本研究では,フィールド分解能,赤方偏移,宇宙論的パラメータの異なる様々な統計的テストと比較したモデルの性能を示す。
  論文  参考訳（メタデータ） (2022-05-16T18:00:01Z)
• Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic Mitigation [3.2855185490071444]
  最近完了したバリオン振動分光サーベイ(eBOSS)による最終分光試料の大規模クラスタリングについて検討する。 フォローアップ分光のターゲットを選択するために使用される画像データの品質の空間的変動に起因する密度場の急激なゆらぎを軽減するニューラルネットワークベースのアプローチを開発した。
  論文  参考訳（メタデータ） (2021-06-25T16:01:19Z)
• 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。