論文の概要: Reconstructing the Hubble parameter with future Gravitational Wave missions using Machine Learning

• arxiv url: http://arxiv.org/abs/2303.05169v1
• Date: Thu, 9 Mar 2023 10:51:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 17:02:26.784644
• Title: Reconstructing the Hubble parameter with future Gravitational Wave missions using Machine Learning
• Title（参考訳）: 機械学習を用いた将来の重力波ミッションによるハッブルパラメータの再構成
• Authors: Purba Mukherjee, Rahul Shah, Arko Bhaumik, Supratik Pal
• Abstract要約: 本稿では,Hubbleパラメータを2つの重力波ミッションで再構築するためのツールとして,Gaussian Process(GP)のような機械学習アルゴリズムの展望について検討する。
• 参考スコア（独自算出の注目度）: 0.03823356975862005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the prospects of Machine Learning algorithms like Gaussian processes (GP) as a tool to reconstruct the Hubble parameter $H(z)$ with two upcoming gravitational wave missions, namely the evolved Laser Interferometer Space Antenna (eLISA) and the Einstein Telescope (ET). We perform non-parametric reconstructions of $H(z)$ with GP using realistically generated catalogues, assuming various background cosmological models, for each mission. We also take into account the effect of early-time and late-time priors separately on the reconstruction, and hence on the Hubble constant ($H_0$). Our analysis reveals that GPs are quite robust in reconstructing the expansion history of the Universe within the observational window of the specific mission under study. We further confirm that both eLISA and ET would be able to constrain $H(z)$ and $H_0$ to a much higher precision than possible today, and also find out their possible role in addressing the Hubble tension for each model, on a case-by-case basis.
• Abstract（参考訳）: ガウス過程(GP)のような機械学習アルゴリズムは、ハッブルパラメータ(H(z)$)を2つの重力波ミッション、すなわち進化したレーザー干渉計宇宙アンテナ(eLISA)とアインシュタイン望遠鏡(ET)で再構成するツールとして研究されている。 我々は,現実的に生成されたカタログを用いてgpでh(z)$の非パラメトリック再構成を行い,それぞれのミッションで様々な背景宇宙モデルを仮定する。 また, 早期, 深夜の先行が再建に与える影響を考慮し, 従ってハッブル定数(H_0$)について検討する。 我々の分析によると、GPは研究中の特定のミッションの観測窓の中で宇宙の膨張史を再構築する上で非常に堅牢である。 さらに、eLISA と ET の両者が、現在よりもはるかに高い精度で$H(z)$ と $H_0$ を制約できることを確認し、ケースバイケースで各モデルのハッブルテンションに対処する上でのそれらの役割を明らかにする。

関連論文リスト

• 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)
• Robust Field-level Likelihood-free Inference with Galaxies [0.0]
  我々は、CAMELSプロジェクトの最先端の流体力学シミュレーションから銀河カタログを用いて、グラフニューラルネットワークを訓練し、フィールドレベル確率自由推論を行う。 我々のモデルは回転、翻訳、置換不変であり、スケールにいかなるカットも課さない。 我々のモデルは、天体物理学、サブグリッド物理学、およびサブハロ/ガラクシーファインダーの変化に対して堅牢であることがわかった。
  論文  参考訳（メタデータ） (2023-02-27T19:26:13Z)
• Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
  クエーサースペクトルを完全に記述できる新しいモデルを提案する。 また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。 CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
  論文  参考訳（メタデータ） (2022-11-17T13:01:26Z)
• The SZ flux-mass ($Y$-$M$) relation at low halo masses: improvements with symbolic regression and strong constraints on baryonic feedback [2.436653298863297]
  AGNと超新星のフィードバックは、CMBサーベイによるハロのSZフラックスの総合的な測定に影響を与える可能性がある。 低質量のフィードバックプロセスに対してより堅牢な$Y-M$関係の類似を探索する。 この結果は,今後のSZ調査を用いて,バリオニクスフィードバックの性質を制約する上で有用である。
  論文  参考訳（メタデータ） (2022-09-05T18:00:00Z)
• Learning cosmology and clustering with cosmic graphs [0.0]
  我々は、CAMELSプロジェクトの最先端の流体力学シミュレーションから数千の銀河カタログのディープラーニングモデルを訓練する。 まず、GNNが数パーセントの精度で銀河カタログのパワースペクトルを計算することができることを示す。 次に、GNNをトレーニングし、銀河場レベルで可能性のない推論を行う。
  論文  参考訳（メタデータ） (2022-04-28T18:00:02Z)
• 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)
• Augmenting astrophysical scaling relations with machine learning : application to reducing the SZ flux-mass scatter [2.0223261087090303]
  We study the Sunyaev-Zeldovich flux$-$cluster mass relation(Y_mathrmSZ-M$) 我々は、Y_mathrmSZ$とイオン化ガスの濃度を組み合わせたクラスター質量の新しいプロキシを求める。 以上の結果から,$c_mathrmgas$への依存は,外部よりも大きな散乱を示すクラスタのコアに関係していることが分かる。
  論文  参考訳（メタデータ） (2022-01-04T19:00:01Z)
• Reward-Free Model-Based Reinforcement Learning with Linear Function Approximation [92.99933928528797]
  エピソードマルコフ決定過程(MDP)に対する線形関数近似を用いたモデルに基づく無報酬強化学習について検討する。 計画段階では、特定の報酬関数が与えられ、探索フェーズから収集したサンプルを使用して良い政策を学ぶ。 任意の報酬関数に対して$epsilon$-optimal Policyを得るには,最大$tilde O(H4d(H + d)epsilon-2)$ episodesをサンプリングする必要がある。
  論文  参考訳（メタデータ） (2021-10-12T23:03:58Z)
• Satellite galaxy abundance dependency on cosmology in Magneticum simulations [101.18253437732933]
  宇宙論的パラメータに基づく衛星量のエミュレータを構築した。 A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。 また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
  論文  参考訳（メタデータ） (2021-10-11T18:00:02Z)
• 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)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。