論文の概要: Extracting the gamma-ray source-count distribution below the Fermi-LAT detection limit with deep learning

• arxiv url: http://arxiv.org/abs/2302.01947v2
• Date: Wed, 15 May 2024 13:11:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-16 18:41:34.618978
• Title: Extracting the gamma-ray source-count distribution below the Fermi-LAT detection limit with deep learning
• Title（参考訳）: 深層学習によるFermi-LAT検出限界以下ガンマ線源数分布の抽出
• Authors: Aurelio Amerio, Alessandro Cuoco, Nicolao Fornengo,
• Abstract要約: 合成2次元スカイマップ上で畳み込みニューラルネットワークを訓練し,Fermi-LATインスツルメンタル応答関数を組み込む。 トレーニングされたニューラルネットワークはFermi-LATデータに適用され、そこからソースカウント分布をFermi-LATしきい値以下50のフラックスレベルまで推定する。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We reconstruct the extra-galactic gamma-ray source-count distribution, or $dN/dS$, of resolved and unresolved sources by adopting machine learning techniques. Specifically, we train a convolutional neural network on synthetic 2-dimensional sky-maps, which are built by varying parameters of underlying source-counts models and incorporate the Fermi-LAT instrumental response functions. The trained neural network is then applied to the Fermi-LAT data, from which we estimate the source count distribution down to flux levels a factor of 50 below the Fermi-LAT threshold. We perform our analysis using 14 years of data collected in the $(1,10)$ GeV energy range. The results we obtain show a source count distribution which, in the resolved regime, is in excellent agreement with the one derived from catalogued sources, and then extends as $dN/dS \sim S^{-2}$ in the unresolved regime, down to fluxes of $5 \cdot 10^{-12}$ cm$^{-2}$ s$^{-1}$. The neural network architecture and the devised methodology have the flexibility to enable future analyses to study the energy dependence of the source-count distribution.
• Abstract（参考訳）: 機械学習技術を用いて、銀河外ガンマ線源数分布(dN/dS$)を再構築する。 具体的には、2次元スカイマップ上に畳み込みニューラルネットワークをトレーニングし、基礎となるソースカウントモデルの様々なパラメータを用いて構築し、Fermi-LATインスツルメンタルレスポンス関数を組み込む。 トレーニングされたニューラルネットワークはFermi-LATデータに適用され、そこからソースカウント分布をFermi-LATしきい値以下50のフラックスレベルまで推定する。 1,10ドル(約1,300円)のGeVエネルギー範囲で収集した14年間のデータを用いて分析を行った。 得られた結果は、解決された状態において、カタログ化された情報源から導出されたものと優れた一致を示し、未解決状態において$dN/dS \sim S^{-2}$として、$5 \cdot 10^{-12}$ cm$^{-2}$ s$^{-1}$まで拡張する。 ニューラルネットワークアーキテクチャと考案された手法は、将来の分析を可能にし、ソース数分布のエネルギー依存性を研究するための柔軟性を持っている。

関連論文リスト

• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
  我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
  論文  参考訳（メタデータ） (2022-10-26T00:23:36Z)
• Bounding the Width of Neural Networks via Coupled Initialization -- A Worst Case Analysis [121.9821494461427]
  2層ReLUネットワークに必要なニューロン数を著しく削減する方法を示す。 また、事前の作業を改善するための新しい下位境界を証明し、ある仮定の下では、最善を尽くすことができることを証明します。
  論文  参考訳（メタデータ） (2022-06-26T06:51:31Z)
• Accelerated Bayesian SED Modeling using Amortized Neural Posterior Estimation [0.0]
  Amortized Neural Posterior Estimation (ANPE) を用いた厳密なベイズ推定のための別のスケーラブルなアプローチを提案する。 ANPEは、ニューラルネットワークを用いて後続確率分布を推定するシミュレーションベースの推論手法である。 我々は,光測光による最近のHahn et al. (2022) SEDモデルの後部を生成可能なANPE法である$rm SEDflow$を提示し,公開している。
  論文  参考訳（メタデータ） (2022-03-14T18:00:03Z)
• On Reward-Free RL with Kernel and Neural Function Approximations: Single-Agent MDP and Markov Game [140.19656665344917]
  エージェントが事前に特定された報酬関数を使わずに環境を徹底的に探索することを目的とした報酬のないRL問題について検討する。 関数近似の文脈でこの問題に取り組み、強力な関数近似器を活用する。 我々は、カーネルとニューラルファンクション近似器を用いた、証明可能な効率の良い報酬なしRLアルゴリズムを確立した。
  論文  参考訳（メタデータ） (2021-10-19T07:26:33Z)
• Dim but not entirely dark: Extracting the Galactic Center Excess' source-count distribution with neural nets [0.0]
  我々はPSとポアソンの放出を統一的に記述する概念的に新しいアプローチを提案する。 また,Ssim4×10-11テキストカウントテキストcm-2テキストs-1$でピークとなる中央値のソース数分布によって記述されたかすかなGCEが発見された。
  論文  参考訳（メタデータ） (2021-07-19T18:00:02Z)
• 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)
• Machine Learning for automatic identification of new minor species [1.617647375371818]
  未監視の機械学習に基づく新しい手法を提案し,新しい小種を自動的に検出する。 我々は,データ量スペクトルと源スペクトルの線形混合により,データセットの非線形性を近似する。 私たちのアプローチでは、ノイズレベルの1.5倍の104ドルから100ドルの隠されたスペクトルで存在する化合物を検出できます。
  論文  参考訳（メタデータ） (2020-12-15T09:51:19Z)

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。