論文の概要: CosmoPower-JAX: high-dimensional Bayesian inference with differentiable
cosmological emulators
- arxiv url: http://arxiv.org/abs/2305.06347v2
- Date: Thu, 22 Jun 2023 14:29:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-23 17:12:18.006338
- Title: CosmoPower-JAX: high-dimensional Bayesian inference with differentiable
cosmological emulators
- Title（参考訳）: CosmoPower-JAX:微分可能な宇宙エミュレータを用いた高次元ベイズ推定
- Authors: D. Piras and A. Spurio Mancini
- Abstract要約: 宇宙論推論を加速するCosmoPowerフレームワークのJAXベースの実装であるCosmoPower-JAXを提案する。
本稿では、JAXの自動微分、バッチ評価、ジャスト・イン・タイムコンパイル機能を用いて、パラメータ推定を桁違いに高速化する方法を示す。
標準手法で要求される6年間とは対照的に,CosmoPower-JAXが3日間で収束した後輪郭をいかに提供するかを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present CosmoPower-JAX, a JAX-based implementation of the CosmoPower
framework, which accelerates cosmological inference by building neural
emulators of cosmological power spectra. We show how, using the automatic
differentiation, batch evaluation and just-in-time compilation features of JAX,
and running the inference pipeline on graphics processing units (GPUs),
parameter estimation can be accelerated by orders of magnitude with advanced
gradient-based sampling techniques. These can be used to efficiently explore
high-dimensional parameter spaces, such as those needed for the analysis of
next-generation cosmological surveys. We showcase the accuracy and
computational efficiency of CosmoPower-JAX on two simulated Stage IV
configurations. We first consider a single survey performing a cosmic shear
analysis totalling 37 model parameters. We validate the contours derived with
CosmoPower-JAX and a Hamiltonian Monte Carlo sampler against those derived with
a nested sampler and without emulators, obtaining a speed-up factor of
$\mathcal{O}(10^3)$. We then consider a combination of three Stage IV surveys,
each performing a joint cosmic shear and galaxy clustering (3x2pt) analysis,
for a total of 157 model parameters. Even with such a high-dimensional
parameter space, CosmoPower-JAX provides converged posterior contours in 3
days, as opposed to the estimated 6 years required by standard methods.
CosmoPower-JAX is fully written in Python, and we make it publicly available to
help the cosmological community meet the accuracy requirements set by
next-generation surveys.
- Abstract（参考訳）: 宇宙パワースペクトルのニューラルエミュレータを構築することで、宇宙論的推論を加速する、JAXベースのCosmoPower-JAXを提案する。
本稿では,jaxの自動微分,バッチ評価,ジャスト・イン・タイムコンパイル機能を用い,gpu(graphics processing unit)上で推論パイプラインを実行することで,高度勾配に基づくサンプリング手法を用いてパラメータ推定を桁違いに高速化できることを示す。
これらは次世代の宇宙探査の分析に必要とされるような高次元のパラメータ空間を効率的に探索するのに使うことができる。
シミュレーションステージIVにおけるCosmoPower-JAXの精度と計算効率について述べる。
まず,37のモデルパラメータを包含する宇宙せん断解析を行う1つの調査について考察した。
また,CosmoPower-JAXとハミルトニアンのモンテカルロ試料から得られた輪郭を,ネストしたスライダとエミュレータを使わずに評価し,速度向上係数を$\mathcal{O}(10^3)$とした。
次に、3つのステージivの観測結果を組み合わせて、合計157のモデルパラメータを用いて、それぞれが宇宙せん断と銀河クラスタリング(3x2pt)の合同分析を行う。
このような高次元のパラメータ空間であっても、CosmoPower-JAXは標準法で求められる6年間とは対照的に、収束した後部輪郭を3日間で提供する。
cosmopower-jaxはpythonで完全に書かれており、次世代のサーベイで設定された精度要件を宇宙社会が満たすのに役立つように公開しています。
関連論文リスト
- GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。
我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。
いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-11-18T08:18:44Z) - $\mathtt{emuflow}$: Normalising Flows for Joint Cosmological Analysis [0.0]
独立データセットからの宇宙的制約を効率的に組み合わせるために,正規化フローが有効であることを示す。
本手法は,実際の宇宙的データセットの後方分布を正確に記述できることを示す。
結果として生じる共同制約は、その可能性のレベルで同じデータセットを組み合わせるのに要する時間の一部で得られる。
論文 参考訳（メタデータ） (2024-09-02T18:04:14Z) - Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。
本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
論文 参考訳（メタデータ） (2024-06-12T14:56:56Z) - The future of cosmological likelihood-based inference: accelerated high-dimensional parameter estimation and model comparison [5.79711608843279]
我々は、最近の機械学習とその基盤技術の発展を活用して、宇宙論的な可能性に基づく推論の新しいパラダイムを提唱する。
本研究では,37次元および39次元パラメータ空間におけるステージIVサーベイにおける宇宙せん断解析のシミュレーションへの応用を実演する。
従来のネストサンプリング手法で計算した手法とよく一致した後部輪郭や証拠を復元する。
論文 参考訳（メタデータ） (2024-05-21T17:45:36Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳（メタデータ） (2023-12-04T18:59:55Z) - A point cloud approach to generative modeling for galaxy surveys at the
field level [0.5099081649205313]
宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。
クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。
このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
論文 参考訳（メタデータ） (2023-11-28T19:00:00Z) - ArchGym: An Open-Source Gymnasium for Machine Learning Assisted
Architecture Design [52.57999109204569]
ArchGymは、さまざまな検索アルゴリズムをアーキテクチャシミュレータに接続するオープンソースのフレームワークである。
我々は、カスタムメモリコントローラ、ディープニューラルネットワークアクセラレータ、AR/VRワークロード用のカスタムSOCを設計する際に、複数のバニラおよびドメイン固有の検索アルゴリズムにわたってArchGymを評価する。
論文 参考訳（メタデータ） (2023-06-15T06:41:23Z) - Fast emulation of cosmological density fields based on dimensionality
reduction and supervised machine-learning [0.0]
簡単な機械学習手法を用いて,高速暗黒物質密度場エミュレーションを競合精度で実行可能であることを示す。
異なる宇宙パラメータに対する新しい密度立方体は、新しいN体シミュレーションに直接頼らずに推定できる。
論文 参考訳（メタデータ） (2023-04-12T18:29:26Z) - Cosmology from Galaxy Redshift Surveys with PointNet [65.89809800010927]
宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。
我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。
我々のPointNetsの実装は、$mathcalO(104) - MathcalO(105)$銀河の入力を一度に分析できるので、この応用の初期の作業は、およそ2桁の精度で改善される。
論文 参考訳（メタデータ） (2022-11-22T15:35:05Z) - 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) - Emulation of cosmological mass maps with conditional generative
adversarial networks [0.0]
本稿では, 物質密度$Omega_m$と物質クラスタリング強度$sigma_8$に対して, 質量マップを生成可能な新しい条件付きGANモデルを提案する。
以上の結果から,我々の条件付きGANはシミュレーション宇宙論の空間内で効率的に補間できることが示唆された。
この貢献は、質量マップのエミュレータを直接構築するためのステップであり、宇宙的信号とその可変性の両方をキャプチャする。
論文 参考訳（メタデータ） (2020-04-17T09:34:34Z)
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。