論文の概要: Self-Supervised Learning for Modeling Gamma-ray Variability in Blazars
- arxiv url: http://arxiv.org/abs/2302.07700v1
- Date: Wed, 15 Feb 2023 14:57:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 14:50:11.749717
- Title: Self-Supervised Learning for Modeling Gamma-ray Variability in Blazars
- Title（参考訳）: ブラザーのガンマ線変動のモデル化のための自己教師付き学習
- Authors: Aryeh Brill
- Abstract要約: ブラザーは活動的な銀河核であり、相対論的ジェットは地球に直接向けられている。
深層学習は、ガンマ線ブレザーの複雑な変動パターンの構造を明らかにするのに役立つ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blazars are active galactic nuclei with relativistic jets pointed almost
directly at Earth. Blazars are characterized by strong, apparently stochastic
flux variability at virtually all observed wavelengths and timescales, from
minutes to years, the physical origin of which is still poorly understood. In
the high-energy gamma-ray band, the Large Area Telescope aboard the Fermi space
telescope (Fermi-LAT) has conducted regular monitoring of thousands of blazars
since 2008. Deep learning can help uncover structure in gamma-ray blazars'
complex variability patterns that traditional methods based on parametric
statistical modeling or manual feature engineering may miss. In this work, we
propose using a self-supervised Transformer encoder architecture to construct
an effective representation of blazar gamma-ray variability. Measurement
errors, upper limits, and missing data are accommodated using learned
encodings. The model predicts a set of quantiles for the flux probability
distribution at each time step, an architecture naturally suited for describing
data generated by a stochastic process. As a proof of concept for how the model
output can be analyzed to extract scientifically relevant information, a
preliminary search for weekly-timescale time-reversal asymmetry in gamma-ray
blazar light curves was conducted, finding no significant evidence for
asymmetry.
- Abstract（参考訳）: ブラザールは活発な銀河核であり、相対論的噴流は地球にほぼ直接向けられている。
ブラザールは、ほぼ全ての観測された波長と時間スケールにおいて、強い、明らかに確率的フラックス変動によって特徴づけられ、その物理的起源は未だよく分かっていない。
高エネルギーガンマ線帯では、フェルミ宇宙望遠鏡(fermi-lat)の大型望遠鏡が2008年から何千ものブラザールを定期的に観測している。
深層学習は、パラメトリック統計モデリングや手動特徴工学に基づく従来の手法が見逃す可能性のあるガンマ線ブレザーの複雑な変動パターンの構造を明らかにするのに役立つ。
本研究では,blazar gamma-ray 変動の効果的な表現を構築するために,自己教師付きトランスフォーマエンコーダアーキテクチャを提案する。
測定誤差、上限、欠落データは学習エンコーディングを用いて対応付けられる。
モデルは、確率過程によって生成されたデータを記述するのに自然に適したアーキテクチャである各時間ステップにおけるフラックス確率分布のクォンタイルのセットを予測する。
モデル出力が科学的に関連した情報を抽出するためにどのように分析できるかの実証として、ガンマ線ブラザール光曲線における毎週の時間スケールの時間反転非対称性の予備探索を行い、非対称性の有意な証拠は見つからなかった。
関連論文リスト
- Multimodal Flare Forecasting with Deep Learning [0.2968738145616401]
色圏およびコロナUVおよびEUV放射の異なる波長での予測能力を比較するために、深層学習を採用している。
以上の結果から,EUVの波長は,視線磁図と同等以上の識別力が得られることが示唆された。
論文 参考訳（メタデータ） (2024-10-21T15:42:47Z) - Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - 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) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Real-time Detection of Anomalies in Multivariate Time Series of
Astronomical Data [0.0]
天文トランジェント(英: Astronomical transients)は、様々な時間スケールで一時的に明るくなる恒星天体である。
新しい天文学的なスカイサーベイは、かつてない数のマルチ波長のトランジェントを観測している。
本稿では, 高速かつ自動で異常な過渡光曲線をリアルタイムに検出することを目的とした2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2021-12-15T19:02:54Z) - Real-time detection of anomalies in large-scale transient surveys [0.0]
本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。
どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
論文 参考訳（メタデータ） (2021-10-29T18:29:25Z) - Paying Attention to Astronomical Transients: Introducing the Time-series
Transformer for Photometric Classification [6.586394734694152]
本稿では,自然言語処理のためのトランスフォーマーアーキテクチャを提案する。
時系列変換器をフォトメトリック分類のタスクに適用し、エキスパートドメイン知識の信頼性を最小化する。
我々は、光度LSST天文時系列分類チャレンジのデータを用いて、不均衡なデータに対する0.507の対数ロスを達成する。
論文 参考訳（メタデータ） (2021-05-13T10:16:13Z) - Semi-parametric $\gamma$-ray modeling with Gaussian processes and
variational inference [9.405199445496429]
銀河起源の不確実な拡散放出をモデル化することは、天体物理学的なガンマ線データの特徴に深刻な偏見を与える可能性がある。
ガンマ線解析のためのフレキシブルな背景および信号モデルを構築するためにガウス過程と変分推論を用いる新しい手法のクラスを導入する。
論文 参考訳（メタデータ） (2020-10-20T17:04:37Z)
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。