論文の概要: Intercomparison of Brown Dwarf Model Grids and Atmospheric Retrieval
Using Machine Learning
- arxiv url: http://arxiv.org/abs/2305.07719v2
- Date: Thu, 6 Jul 2023 06:28:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 17:29:34.845719
- Title: Intercomparison of Brown Dwarf Model Grids and Atmospheric Retrieval
Using Machine Learning
- Title（参考訳）: ブラウンドワーフモデルグリッドの相互比較と機械学習による大気検索
- Authors: Anna Lueber, Daniel Kitzmann, Chloe E. Fisher, Brendan P. Bowler, Adam
J. Burgasser, Mark Marley, Kevin Heng
- Abstract要約: 本研究は, 以前に公表された14個のブラウンドロームのモデルグリッドの情報量について検討する。
ランダムフォレスト法により,これらのモデルグリッドの予測力を解析することができる。
我々は, 選択したモデルグリッドとは独立して, ブラウンドロームの有効温度を強く予測できることを見出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding differences between sub-stellar spectral data and models has
proven to be a major challenge, especially for self-consistent model grids that
are necessary for a thorough investigation of brown dwarf atmospheres. Using
the supervised machine learning method of the random forest, we study the
information content of 14 previously published model grids of brown dwarfs
(from 1997 to 2021). The random forest method allows us to analyze the
predictive power of these model grids, as well as interpret data within the
framework of Approximate Bayesian Computation (ABC). Our curated dataset
includes 3 benchmark brown dwarfs (Gl 570D, {\epsilon} Indi Ba and Bb) as well
as a sample of 19 L and T dwarfs; this sample was previously analyzed in Lueber
et al. (2022) using traditional Bayesian methods (nested sampling). We find
that the effective temperature of a brown dwarf can be robustly predicted
independent of the model grid chosen for the interpretation. However, inference
of the surface gravity is model-dependent. Specifically, the BT-Settl, Sonora
Bobcat and Sonora Cholla model grids tend to predict logg ~3-4 (cgs units) even
after data blueward of 1.2 {\mu}m have been disregarded to mitigate for our
incomplete knowledge of the shapes of alkali lines. Two major, longstanding
challenges associated with understanding the influence of clouds in brown dwarf
atmospheres remain: our inability to model them from first principles and also
to robustly validate these models.
- Abstract（参考訳）: サブステラースペクトルデータとモデルの違いを理解することは、特にブラウンドワーフ大気の徹底的な調査に必要な自己整合モデルグリッドにおいて、大きな課題であることが証明されている。
ランダム林の教師付き機械学習手法を用いて,1997年から2021年までのブラウンドロームの14個のモデルグリッドの情報量について検討した。
ランダムフォレスト法により,モデルグリッドの予測力を解析し,近似ベイズ計算(abc)の枠組み内でデータを解釈することができる。
我々のキュレートされたデータセットには、3つのベンチマークブラウンドローム(Gl 570D, {\epsilon} Indi Ba, Bb)と19個のLおよびTドロームのサンプルが含まれており、このサンプルは従来型のベイズ法(ネステッドサンプリング)を用いてLueber et al. (2022)で分析された。
この解釈のために選択されたモデルグリッドとは無関係に、ブラウンドロームの有効温度を頑健に予測できることが判明した。
しかし、表面重力の推論はモデルに依存します。
具体的には、BT-Settl, Sonora Bobcat および Sonora Cholla モデルグリッドは 1.2 {\mu}m のデータブルーワードが不完全なアルカリ線の形状に関する知識を緩和するために無視されているにもかかわらず、logg ~3-4 (cgs unit) を予測する傾向にある。
ブラウンドワーフの大気における雲の影響を理解することに関連する2つの大きな、長い間の課題は、次の原則からそれらをモデル化できないことと、これらのモデルを堅牢に検証することである。
関連論文リスト
- Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling [9.386611764730791]
本稿では,銀河団のガス・ダークマター投影密度マップをスコアベース生成モデルを用いて再構成する手法を提案する。
拡散モデルでは, 模擬SZおよびX線像を条件付き観測として捉え, 学習データ後部からのサンプリングにより, 対応するガスおよびダークマターマップの実現を図っている。
論文 参考訳（メタデータ） (2024-10-03T18:00:03Z) - Flow-Based Generative Emulation of Grids of Stellar Evolutionary Models [4.713280433864737]
恒星進化モデルの格子をエミュレートするフローベース生成手法を提案する。
様々な進化軌道やアイソクロンを連続的な入力パラメータにわたってエミュレートする能力を示す。
論文 参考訳（メタデータ） (2024-07-12T16:54:17Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Machine learning methods for the search for L&T brown dwarfs in the data
of modern sky surveys [67.17190225886465]
ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。
その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。
多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
論文 参考訳（メタデータ） (2023-08-06T08:14:35Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - A machine learning and feature engineering approach for the prediction
of the uncontrolled re-entry of space objects [1.0205541448656992]
低地球軌道(LEO)における未制御物体の再突入予測のための深層学習モデルの開発について述べる。
このモデルはSequence-to-Sequenceアーキテクチャの修正版に基づいており、400体以上のTLE(Two-Line Element)データから得られた平均高度プロファイルに基づいて訓練されている。
この研究の斬新さは、平均高度とともに、ドラッグライクな係数(B*)、平均太陽指数、物体の面積と質量比の3つの新しい入力特徴を含むディープラーニングモデルの導入である。
論文 参考訳（メタデータ） (2023-03-17T13:53:59Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳（メタデータ） (2022-11-15T14:15:04Z) - Uncertainty Quantification Techniques for Space Weather Modeling:
Thermospheric Density Application [0.0]
熱圏密度を予測する非線形MLモデルを開発するための2つの手法を提案する。
ローカルおよびグローバルデータセットでトレーニングされたモデルの性能を示す。
精度の高い不確実性推定値を用いて,独立テストデータ上で11%の誤差を達成した。
論文 参考訳（メタデータ） (2022-01-06T14:17:50Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。
この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
論文 参考訳（メタデータ） (2020-06-22T16:43:35Z)
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。