論文の概要: Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach

• arxiv url: http://arxiv.org/abs/2302.12378v1
• Date: Fri, 24 Feb 2023 00:49:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 15:00:44.423391
• Title: Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach
• Title（参考訳）: 宇宙マイクロ波背景再生:グラフに基づくベイズ畳み込みネットワークアプローチ
• Authors: Jadie Adams, Steven Lu, Krzysztof M. Gorski, Graca Rocha, Kiri L. Wagstaff
• Abstract要約: 深層学習を多周波フルスキーマップからのCMBクリーニングのためのデータ駆動アプローチとして採用する。 U-Netアーキテクチャに基づくグラフベースのベイズ畳み込みニューラルネットワークを開発し、画素ワイド不確実性推定によるクリーンなCMBを予測する。 本モデルでは, クリーン化したCMBスカイマップを精度良く復元し, 不確実領域を特定しながら角パワースペクトルを導出することを示す。
• 参考スコア（独自算出の注目度）: 2.689611937246938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The cosmic microwave background (CMB) is a significant source of knowledge about the origin and evolution of our universe. However, observations of the CMB are contaminated by foreground emissions, obscuring the CMB signal and reducing its efficacy in constraining cosmological parameters. We employ deep learning as a data-driven approach to CMB cleaning from multi-frequency full-sky maps. In particular, we develop a graph-based Bayesian convolutional neural network based on the U-Net architecture that predicts cleaned CMB with pixel-wise uncertainty estimates. We demonstrate the potential of this technique on realistic simulated data based on the Planck mission. We show that our model accurately recovers the cleaned CMB sky map and resulting angular power spectrum while identifying regions of uncertainty. Finally, we discuss the current challenges and the path forward for deploying our model for CMB recovery on real observations.
• Abstract（参考訳）: 宇宙マイクロ波背景(CMB)は、宇宙の起源と進化に関する重要な知識源である。 しかし、CMBの観測は、前景の放射によって汚染され、CMB信号が隠蔽され、宇宙論的パラメータの制約による効果が低下する。 深層学習を多周波フルスキーマップからのCMBクリーニングのためのデータ駆動アプローチとして採用する。 特に、U-Netアーキテクチャに基づくグラフベースのベイズ畳み込みニューラルネットワークを開発し、画素ワイド不確実性推定によるクリーンなCMBを予測する。 プランク計画に基づく現実的なシミュレーションデータにこの手法の可能性を実証する。 その結果,不確実性領域を同定しながら,cmbスカイマップと角パワースペクトルを正確に復元できることがわかった。 最後に,CMB回復のためのモデルを実際の観測上に展開する上での現在の課題と道筋について論じる。

関連論文リスト

• Influence Maximization via Graph Neural Bandits [54.45552721334886]
  IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。 IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T17:54:33Z)
• Super-Resolution of BVOC Emission Maps Via Domain Adaptation [17.819699053848197]
  ディープラーニング(DL)に基づく超解法(SR)法が提案されている。 本研究は,衛星観測から得られた高分解能発光マップの超解像化を目的として,数値シミュレーションにより得られた放射マップの情報を活用することを目的とする。 本研究では, シミュレーションおよび観測されたエミッションの数を系統的に変化させることで, 異なる段階におけるドメイン適応(DA)戦略の有効性を検討する。
  論文  参考訳（メタデータ） (2023-06-22T10:59:15Z)
• Neural FIM for learning Fisher Information Metrics from point cloud data [71.07939200676199]
  我々は、ポイントクラウドデータからフィッシャー情報量(FIM)を計算するためのニューラルFIMを提案する。 本稿では,PHATE可視化手法のパラメータの選択と,IPSCリプログラミングとPBMC(免疫細胞)の2つの単一セルデータセットと,おもちゃデータセットの分岐点とクラスタセンターの埋め込みに関する情報を得る能力について述べる。
  論文  参考訳（メタデータ） (2023-06-01T17:36:13Z)
• 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)
• Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
  ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。 近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
  論文  参考訳（メタデータ） (2022-02-28T15:53:10Z)
• Deep Learning Based Cloud Cover Parameterization for ICON [55.49957005291674]
  我々は,実地域およびグローバルICONシミュレーションに基づいて,粗粒度データを用いたNNベースのクラウドカバーパラメータ化を訓練する。 グローバルに訓練されたNNは、地域シミュレーションのサブグリッドスケールのクラウドカバーを再現することができる。 我々は,コラムベースNNがグローバルから局所的な粗粒データに完全に一般化できない理由として,特定の湿度と雲氷上の過剰なエンハンシスを同定する。
  論文  参考訳（メタデータ） (2021-12-21T16:10:45Z)
• ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
  メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。 本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
  論文  参考訳（メタデータ） (2021-08-18T15:02:27Z)
• An Unbiased Estimator of the Full-sky CMB Angular Power Spectrum using Neural Networks [0.0]
  我々はニューラルネットワークを用いて、全スキー角パワースペクトルと基礎となる理論パワースペクトルの偏りのない予測を生成する。 私たちの予測も、かなり関連性がない。
  論文  参考訳（メタデータ） (2021-02-08T16:30:31Z)
• Reconstructing Patchy Reionization with Deep Learning [0.0]
  本論文では,2つの二次的CMB異方性源の同時再構成が可能な畳み込みニューラルネットワークであるResUNet-CMBについて述べる。 ResUNet-CMBネットワークは低騒音域で2次推定器を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-01-04T19:58:28Z)
• Foreground model recognition through Neural Networks for CMB B-mode observations [0.0]
  特に,偏光観測に関連する低周波フォアグラウンドの解析に着目した。 我々は、将来の衛星と低周波地表面プローブで表される周波数範囲と感度に対応する一連のシミュレーションマップに対して、我々のアプローチを実装し、検証した。 異なる空域における前景放射の正しいパラメトリゼーションの認識におけるNN効率は、およそ90%の精度に達する。
  論文  参考訳（メタデータ） (2020-03-04T19:00:02Z)
• CosmoVAE: Variational Autoencoder for CMB Image Inpainting [4.69377041192659]
  CMBマップのノイズは、宇宙論的パラメータの推定精度に大きな影響を及ぼす。 本稿では,CMBマップの欠落した観測を復元する深層学習に基づく変分自動エンコーダを提案する。 提案したモデルは,Planck textttCommander 2018 CMBmap inpaintingのアートパフォーマンスの状態を達成している。
  論文  参考訳（メタデータ） (2020-01-31T03:54:35Z)

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。