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
- 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) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳(メタデータ) (2023-01-12T02:07:26Z) - 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) - Convolutional neural networks as an alternative to Bayesian retrievals [0.0]
我々は、外惑星透過スペクトルの機械学習検索とネストサンプリングを比較した。
また、我々のモデルにおける誤った仮定に対して、機械学習とネストサンプリングがいかに堅牢かをテストする。
論文 参考訳(メタデータ) (2022-03-02T16:58:37Z) - 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) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳(メタデータ) (2020-10-27T17:54:12Z) - Combining Parametric Land Surface Models with Machine Learning [0.8057006406834467]
いくつかのAmeriFluxサイトで、ハイブリッド機械学習とプロセスベースモデリングのアプローチを提案し、評価した。
ハイブリッドモデルを用いて地球規模の陸地モデルを構築し, 現状を著しく上回る可能性を秘めている。
論文 参考訳(メタデータ) (2020-02-14T17:50:33Z)
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。