Fugu-MT 論文翻訳(概要): Reproducing Bayesian Posterior Distributions for Exoplanet Atmospheric Parameter Retrievals with a Machine Learning Surrogate Model

論文の概要: Reproducing Bayesian Posterior Distributions for Exoplanet Atmospheric Parameter Retrievals with a Machine Learning Surrogate Model

arxiv url: http://arxiv.org/abs/2310.10521v1
Date: Mon, 16 Oct 2023 15:39:05 GMT
ステータス: 処理完了
システム内更新日: 2023-10-18 01:25:39.296494
Title: Reproducing Bayesian Posterior Distributions for Exoplanet Atmospheric Parameter Retrievals with a Machine Learning Surrogate Model
Title（参考訳）: 機械学習サロゲートモデルによる太陽系外惑星大気パラメータ検索のためのベイズ後方分布の再現
Authors: Eyup B. Unlu, Roy T. Forestano, Konstantin T. Matchev, Katia Matcheva
Abstract要約: 本研究では,太陽系外惑星大気パラメータのベイズ分布を再現するための機械学習に基づく代理モデルについて述べる。このモデルは2023年のAriel Machine Learning Data Challengeで優勝した。
参考スコア（独自算出の注目度）: 1.8434042562191815
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We describe a machine-learning-based surrogate model for reproducing the Bayesian posterior distributions for exoplanet atmospheric parameters derived from transmission spectra of transiting planets with typical retrieval software such as TauRex. The model is trained on ground truth distributions for seven parameters: the planet radius, the atmospheric temperature, and the mixing ratios for five common absorbers: $H_2O$, $CH_4$, $NH_3$, $CO$ and $CO_2$. The model performance is enhanced by domain-inspired preprocessing of the features and the use of semi-supervised learning in order to leverage the large amount of unlabelled training data available. The model was among the winning solutions in the 2023 Ariel Machine Learning Data Challenge.
Abstract（参考訳）: 本稿では,TauRexのような典型的な検索ソフトウェアを用いたトランジット惑星の透過スペクトルから得られた外惑星大気パラメータのベイズ後部分布を再現する機械学習に基づく代理モデルについて述べる。このモデルは、惑星半径、大気温度、および5つの一般的な吸収剤の混合比である$H_2O$、$CH_4$、$NH_3$、$CO2$の7つのパラメータの真理分布に基づいて訓練されている。モデルの性能は、ドメインにインスパイアされた特徴の事前処理と半教師付き学習を用いて向上し、利用可能な大量の未学習トレーニングデータを活用する。このモデルは、2023年のariel machine learning data challengeで優勝したソリューションの1つだった。

関連論文リスト

Atmospheric Transport Modeling of CO$_2$ with Neural Networks [46.26819563674888]
大気中のCO$の分布を大気トレーサー輸送モデルで正確に記述することは、温室効果ガスモニタリングおよび検証支援システムに不可欠である。大きな深層ニューラルネットワークは、大気の3Dモデリングを必要とする気象予報に革命を起こす可能性がある。本研究では,気象予測の最先端として実証された4種類の深層ニューラルネットワークについて検討し,大気トレーサー輸送モデルの有用性について検討した。
論文参考訳（メタデータ） (2024-08-20T17:33:20Z)
Understanding Reinforcement Learning-Based Fine-Tuning of Diffusion Models: A Tutorial and Review [63.31328039424469]
このチュートリアルは、下流の報酬関数を最適化するための微調整拡散モデルのための方法を網羅的に調査する。 PPO,微分可能最適化,報酬重み付きMLE,値重み付きサンプリング,経路整合性学習など,様々なRLアルゴリズムの適用について説明する。
論文参考訳（メタデータ） (2024-07-18T17:35:32Z)
Predicting Exoplanetary Features with a Residual Model for Uniform and Gaussian Distributions [0.0]
2023年のアリエルデータチャレンジは、7つの太陽系外惑星の特徴の後方分布を予測するために開催された。本稿で概説した手順は,この課題に対処するための2つのディープラーニングモデルの組み合わせを活用している。均一分布のアンサンブルは、試験中に競合する結果が得られた。
論文参考訳（メタデータ） (2024-06-16T01:07:15Z)
Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文参考訳（メタデータ） (2024-02-19T02:08:09Z)
InstaGen: Enhancing Object Detection by Training on Synthetic Dataset [59.445498550159755]
本稿では,オブジェクト検出機能の向上,例えばカテゴリ拡大や検出性能の向上など,新たなパラダイムを提案する。我々は、インスタンスレベルのグラウンドヘッドを事前訓練された生成拡散モデルに統合し、生成された画像のインスタンスをローカライズする機能で拡張する。我々は、InstaGenと呼ばれる拡散モデルの強化版がデータシンセサイザーとして機能することを示すために、徹底的な実験を行う。
論文参考訳（メタデータ） (2024-02-08T18:59:53Z)
STORM: Efficient Stochastic Transformer based World Models for Reinforcement Learning [82.03481509373037]
近年,モデルに基づく強化学習アルゴリズムは視覚入力環境において顕著な有効性を示している。本稿では,強力なモデリングと生成機能を組み合わせた効率的な世界モデルアーキテクチャであるTransformer-based wORld Model (STORM)を紹介する。 Stormは、Atari 100$kベンチマークで平均126.7%の人的パフォーマンスを達成し、最先端のメソッドの中で新しい記録を樹立した。
論文参考訳（メタデータ） (2023-10-14T16:42:02Z)
Simulation-based Inference for Exoplanet Atmospheric Retrieval: Insights from winning the Ariel Data Challenge 2023 using Normalizing Flows [0.0]
本稿では,Ariel Data Challenge 2023のためにAstroAIチームが開発した新しい機械学習モデルを紹介する。そのうちの1台が293のライバルの中でトップの地位を確保した。本稿では,勝敗モデルよりも高い性能を示す代替モデルを提案する。
論文参考訳（メタデータ） (2023-09-17T17:59:59Z)
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)
Inference over radiative transfer models using variational and expectation maximization methods [9.73020420215473]
本稿では,生物物理パラメータの点推定だけでなく,その共同分布を推定するための2つの計算手法を提案する。そのうちの1つは変分オートエンコーダアプローチに基づいており、もう1つはモンテカルロ予想最大化スキームに基づいている。本研究では,地球生物圏の定量化のための3つの重要な生体物理パラメータの分布をモデル化し,推定するための2つの手法の性能解析を行った。
論文参考訳（メタデータ） (2022-04-07T10:33:51Z)
Exoplanet atmosphere evolution: emulation with random forests [0.0]
大気の質量損失は、小さな、密接な太陽系外惑星の人口動態を彫刻する上で重要な役割を果たしている。我々は、ある惑星の最終半径と大気の質量を予測するために、大気の進化モデルに基づいて訓練されたランダムな森林を実装する。我々の新しいアプローチは、人口統計学で使われている高度に洗練された大気進化モデルへの扉を開く。
論文参考訳（メタデータ） (2021-10-28T14:39:19Z)
Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文参考訳（メタデータ） (2021-02-15T10:37:52Z)

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。