論文の概要: Can AI Put Gamma-Ray Astrophysicists Out of a Job?

• arxiv url: http://arxiv.org/abs/2303.17853v2
• Date: Tue, 4 Apr 2023 09:30:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 10:38:43.297358
• Title: Can AI Put Gamma-Ray Astrophysicists Out of a Job?
• Title（参考訳）: AIはガンマ線天体物理学者を職から外せるか?
• Authors: Samuel T. Spencer, Vikas Joshi, Alison M.W. Mitchell
• Abstract要約: 我々は、非存在画像型大気圧チェレンコフ望遠鏡(IACT)アレイによるパルサー風星雲の検出を詳述する論文を作成する。 本研究では,言語情報のみに基づく天文学的観測や情報源の解釈能力を評価する。 天文学者としての我々の仕事は、当分の間は安全だと結論付けている。
• 参考スコア（独自算出の注目度）: 0.7219077740523682
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In what will likely be a litany of generative-model-themed arXiv submissions celebrating April the 1st, we evaluate the capacity of state-of-the-art transformer models to create a paper detailing the detection of a Pulsar Wind Nebula with a non-existent Imaging Atmospheric Cherenkov Telescope (IACT) Array. We do this to evaluate the ability of such models to interpret astronomical observations and sources based on language information alone, and to assess potential means by which fraudulently generated scientific papers could be identified during peer review (given that reliable generative model watermarking has yet to be deployed for these tools). We conclude that our jobs as astronomers are safe for the time being. From this point on, prompts given to ChatGPT and Stable Diffusion are shown in orange, text generated by ChatGPT is shown in black, whereas analysis by the (human) authors is in blue.
• Abstract（参考訳）: 4月1日を記念する生成モデルをテーマとしたarXivの提出書のリターとして, パルサー風星雲を非存在画像型大気チェレンコフ望遠鏡(IACT)アレイで検出する論文を作成するために, 最先端の変圧器モデルの能力を評価する。 我々は、そのようなモデルが言語情報のみに基づいて天文観測やソースを解釈する能力を評価し、ピアレビュー中に不正に生成された科学論文を識別できる可能性を評価する(信頼できる生成モデルウォーターマーキングはこれらのツールにはまだデプロイされていない)。 天文学者としての我々の仕事は、当面安全であると結論づける。 この点から、ChatGPTとStable Diffusionに与えられたプロンプトはオレンジで示され、ChatGPTが生成したテキストは黒で示され、(人間)著者による分析は青で示される。

関連論文リスト

• Using Galaxy Evolution as Source of Physics-Based Ground Truth for Generative Models [0.9701233658865522]
  我々は条件付き拡散軸確率モデル(DDPM)と条件付き変分オートエンコーダ(CVAE)を構築する。 これは、これらの生成モデルを物理的に動機付けられたメトリクスを用いて探索する最初の研究の1つである。 どちらのモデルも、人間の評価に基づいて、同等の現実的な銀河を生成することが分かっていますが、我々の物理学に基づくメトリクスは、生成モデルの強みと弱みをよりよく識別することができます。
  論文  参考訳（メタデータ） (2024-07-09T21:01:08Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• How to Trace Latent Generative Model Generated Images without Artificial Watermark? [88.04880564539836]
  潜在生成モデルによって生成された画像に関する潜在的な誤用に関する懸念が持ち上がっている。 検査されたモデルの生成された画像をトレースするために,レイトタントトラッカーと呼ばれる潜時反転に基づく手法を提案する。 提案手法は,検査したモデルと他の画像から生成された画像とを高精度かつ効率的に識別できることを示す。
  論文  参考訳（メタデータ） (2024-05-22T05:33:47Z)
• Can AI Understand Our Universe? Test of Fine-Tuning GPT by Astrophysical Data [6.0108108767559525]
  ChatGPTはここ数ヶ月で最も話題になっているコンセプトで、プロフェッショナルと一般大衆の両方を魅了している。 本稿では、銀河、クエーサー、星、ガンマ線バースト(GRBs)、ブラックホール(BHs)の観測から得られた天文学データを用いて、生成前訓練変圧器モデル(GPT)を微調整する。 我々は、LLMが科学的研究において証明された有効性を示す試験として、これを成功とみなしている。
  論文  参考訳（メタデータ） (2024-04-14T20:52:19Z)
• Preliminary Report on Mantis Shrimp: a Multi-Survey Computer Vision Photometric Redshift Model [0.431625343223275]
  光度赤偏移推定は天文学の確立されたサブフィールドである。 Mantis Shrimpは、超紫外(GALEX)、光学(PanSTARRS)、赤外線(UnWISE)画像を融合する、測光赤方偏移推定のためのコンピュータビジョンモデルである。
  論文  参考訳（メタデータ） (2024-02-05T21:44:19Z)
• Unsupervised Machine Learning for the Classification of Astrophysical X-ray Sources [44.99833362998488]
  我々は、Chandra Source Catalogソースに確率的クラスを提供するための教師なし機械学習アプローチを開発した。 約14,507個の検出結果を含む8,756個の情報源を対象とした確率クラスのカタログを提供する。 分類対象物の特徴分布と確立された天体物理仮説との整合性について検討した。
  論文  参考訳（メタデータ） (2024-01-22T18:42:31Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• 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)
• Realistic galaxy image simulation via score-based generative models [0.0]
  本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。 主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
  論文  参考訳（メタデータ） (2021-11-02T16:27:08Z)
• First Full-Event Reconstruction from Imaging Atmospheric Cherenkov Telescope Real Data with Deep Learning [55.41644538483948]
  チェレンコフ望遠鏡アレイは、地上のガンマ線天文学の未来である。 地上で作られた最初のプロトタイプ望遠鏡であるLarge Size Telescope 1は現在、最初の科学データを収集している。 我々は、深層畳み込みニューラルネットワークに基づくフルイベント再構築の開発とその実データへの適用を初めて提示する。
  論文  参考訳（メタデータ） (2021-05-31T12:51:42Z)
• 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。