論文の概要: A Novel Application of Conditional Normalizing Flows: Stellar Age
Inference with Gyrochronology
- arxiv url: http://arxiv.org/abs/2307.08753v1
- Date: Mon, 17 Jul 2023 18:00:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-19 17:50:29.626562
- Title: A Novel Application of Conditional Normalizing Flows: Stellar Age
Inference with Gyrochronology
- Title(参考訳): 条件付き正規化流の新しい応用:ジャイロクロノロジーを用いた恒星年齢推定
- Authors: Phil Van-Lane (1), Joshua S. Speagle (2 and 1 and 3 and 4), Stephanie
Douglas (5) ((1) Department of Astronomy & Astrophysics, University of
Toronto, Canada, (2) Department of Statistical Sciences, University of
Toronto, Canada, (3) Dunlap Institute of Astronomy & Astrophysics, University
of Toronto, Canada, (4) Data Sciences Institute, University of Toronto,
Canada, (5) Department of Physics, Lafayette College, United States)
- Abstract要約: データ駆動型アプローチは、他の標準手法に匹敵する精度でジャイロロノロジー年代を制約できることを示す。
この研究は、ジャイロロノロジー星年代測定の適用性を拡大する確率論的データ駆動解の可能性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Stellar ages are critical building blocks of evolutionary models, but
challenging to measure for low mass main sequence stars. An unexplored solution
in this regime is the application of probabilistic machine learning methods to
gyrochronology, a stellar dating technique that is uniquely well suited for
these stars. While accurate analytical gyrochronological models have proven
challenging to develop, here we apply conditional normalizing flows to
photometric data from open star clusters, and demonstrate that a data-driven
approach can constrain gyrochronological ages with a precision comparable to
other standard techniques. We evaluate the flow results in the context of a
Bayesian framework, and show that our inferred ages recover literature values
well. This work demonstrates the potential of a probabilistic data-driven
solution to widen the applicability of gyrochronological stellar dating.
- Abstract(参考訳): 恒星年齢は進化モデルの重要な構成要素であるが、低質量主系列星の観測は困難である。
この方法での未探究の解決策は、確率的機械学習手法をジャイロクロノロジー(ジャイロクロノロジー)に応用することである。
正確な分析ジャイロクロノロジーモデルの開発は困難であることが証明されているが、ここでは開放型星団からの測光データに条件付き正規化フローを適用し、データ駆動アプローチがジャイロクロノロジー年代を他の標準技術に匹敵する精度で制限できることを実証する。
我々は,ベイズフレームワークの文脈におけるフロー結果を評価し,推定年齢が文学的価値を十分に回復することを示す。
本研究は,ジャイロクロノロジー年代測定の適用可能性を広げる確率論的データ駆動ソリューションの可能性を示す。
関連論文リスト
- A Geometric Perspective on Diffusion Models [60.69328526215776]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングを検証し,そのサンプリングダイナミクスの興味深い構造を明らかにした。
我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文 参考訳(メタデータ) (2023-05-31T15:33:16Z) - Aspects of scaling and scalability for flow-based sampling of lattice
QCD [137.23107300589385]
格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。
最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
論文 参考訳(メタデータ) (2022-11-14T17:07:37Z) - A Dynamical System View of Langevin-Based Non-Convex Sampling [84.61544861851907]
非サンプリングは機械学習における重要な課題であり、ディープラーニングにおける非レート最適化の中心であり、その重要性を近似する。
既存の保証は通常、より望ましい最終段階の反復よりも平均距離のみを保持する。
我々は、理論システムからいくつかのツールを活用することにより、上記の問題を解消する新しいフレームワークを開発する。
論文 参考訳(メタデータ) (2022-10-25T09:43:36Z) - Explainable classification of astronomical uncertain time series [0.0]
本稿では,最先端手法に匹敵する分類を実現する不確実性を考慮したサブシーケンスモデルを提案する。
ドメインの専門家はモデルを調べ、その予測を説明することができる。
データセット、実験のソースコード、結果はパブリックリポジトリで公開されています。
論文 参考訳(メタデータ) (2022-09-28T09:06:42Z) - Astroconformer: Inferring Surface Gravity of Stars from Stellar Light
Curves with Transformer [1.122225892380515]
我々は、ケプラーミッションから恒星の光曲線を分析するトランスフォーマーベースのモデルであるAstroconformerを紹介する。
我々はアストラコンフォーマーが恒星表面重力を教師付きタスクとして強く推測できることを実証した。
また, この手法は, ルービン天文台からのカデンス光曲線の分離に応用可能であることを示す。
論文 参考訳(メタデータ) (2022-07-06T16:22:37Z) - Modelling stellar activity with Gaussian process regression networks [0.0]
HARPS-N太陽分光観測を用いて、この枠組みがRVデータと従来の恒星活動指標を共同でモデル化できることを実証した。
我々は、RVと恒星活動時系列の相関関係を数日の間隔で最大にし、時系列における非定常行動の証拠を見いだす。
論文 参考訳(メタデータ) (2022-05-13T13:20:25Z) - Spherical Poisson Point Process Intensity Function Modeling and
Estimation with Measure Transport [0.20305676256390934]
球面上の非同次ポアソン過程強度関数をモデル化するための新しいアプローチを提案する。
このフレームワークの中心的な考え方は、球面上の関心の根底にある強度関数を、球面上のより単純な参照、強度関数に変換するフレキシブルな単射写像を構築し、推定することである。
論文 参考訳(メタデータ) (2022-01-24T06:46:22Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳(メタデータ) (2020-10-05T20:03:13Z) - The Boomerang Sampler [4.588028371034406]
本稿では, 連続時間非可逆マルコフ連鎖モンテカルロアルゴリズムの新たなクラスとして, ブーメラン・サンプラーを導入する。
提案手法は実装が容易であることを実証し,既存のベンチマークを断片的決定論的マルコフプロセスより優れていることを示す。
論文 参考訳(メタデータ) (2020-06-24T14:52:22Z) - Localized active learning of Gaussian process state space models [63.97366815968177]
多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。
本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。
モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
論文 参考訳(メタデータ) (2020-05-04T05:35:02Z)
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。