論文の概要: Fast Parameter Inference on Pulsar Timing Arrays with Normalizing Flows

• arxiv url: http://arxiv.org/abs/2310.12209v1
• Date: Wed, 18 Oct 2023 18:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 18:14:53.573058
• Title: Fast Parameter Inference on Pulsar Timing Arrays with Normalizing Flows
• Title（参考訳）: 正規化流れを持つパルサータイミングアレイの高速パラメータ推定
• Authors: David Shih, Marat Freytsis, Stephen R. Taylor, Jeff A. Dror, Nolan Smyth
• Abstract要約: シミュレーションデータに基づいて学習した条件付き正規化フローを,SGWB後部の極めて高速かつ正確な推定に利用できることを示す。 本稿では,シミュレーションデータに基づいて訓練された条件付き正規化フローを用いて,SGWB後部を極めて高速かつ高精度に推定する方法を示す。
• 参考スコア（独自算出の注目度）: 0.9374652839580183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pulsar timing arrays (PTAs) perform Bayesian posterior inference with expensive MCMC methods. Given a dataset of ~10-100 pulsars and O(10^3) timing residuals each, producing a posterior distribution for the stochastic gravitational wave background (SGWB) can take days to a week. The computational bottleneck arises because the likelihood evaluation required for MCMC is extremely costly when considering the dimensionality of the search space. Fortunately, generating simulated data is fast, so modern simulation-based inference techniques can be brought to bear on the problem. In this paper, we demonstrate how conditional normalizing flows trained on simulated data can be used for extremely fast and accurate estimation of the SGWB posteriors, reducing the sampling time from weeks to a matter of seconds.
• Abstract（参考訳）: パルサータイミングアレイ (PTA) は高価なMCMC法を用いてベイズ後部推論を行う。 10-100パルサーとO(10^3)タイミングのデータセットが与えられた場合、確率重力波背景(SGWB)の後方分布を生成するのに数日から1週間かかる。 計算ボトルネックは、探索空間の次元を考慮した場合、MCMCに必要な可能性評価が極めてコストがかかるため生じる。 幸いなことに、シミュレーションデータの生成は高速であるため、現代的なシミュレーションベースの推論技術が問題に対処できる。 本稿では,シミュレーションデータに基づいて訓練された条件付き正規化フローを用いて,SGWB後部を極めて高速かつ高精度に推定し,サンプリング時間を数週間から秒単位に短縮できることを示す。

関連論文リスト

• Amortized Bayesian Workflow (Extended Abstract) [13.070972788633915]
  高速なアモータライズ推論とゴールド標準MCMC技術を統合し,速度と精度を両立させる適応ワークフローを提案する。 提案手法では,各データセットに対する推論手法の選択を導出するために,原則付き診断を用いる。 我々は,1000個の観測データセットを用いた一般化された極値問題に対するこの統合的手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-06T15:09:04Z)
• DC-Solver: Improving Predictor-Corrector Diffusion Sampler via Dynamic Compensation [68.55191764622525]
  拡散モデル(DPM)は、視覚合成において顕著な性能を示すが、サンプリング中に複数の評価を必要とするため、計算コストが高い。 最近の予測器合成・拡散サンプリング装置は,要求される評価回数を大幅に削減したが,本質的には誤調整の問題に悩まされている。 我々はDC-CPRrと呼ばれる新しい高速DPMサンプリング装置を導入する。
  論文  参考訳（メタデータ） (2024-09-05T17:59:46Z)
• On Calibrating Diffusion Probabilistic Models [78.75538484265292]
  拡散確率モデル(DPM)は様々な生成タスクにおいて有望な結果を得た。 そこで本研究では,任意の事前学習DPMを校正する簡単な方法を提案する。 キャリブレーション法は1回だけ行い, 得られたモデルをサンプリングに繰り返し使用することができる。
  論文  参考訳（メタデータ） (2023-02-21T14:14:40Z)
• Preconditioned Score-based Generative Models [49.88840603798831]
  直感的な加速度法はサンプリングの繰り返しを減らし、しかしながら重大な性能劣化を引き起こす。 本稿では,行列プレコンディショニングを利用したモデル非依存型bfem事前条件拡散サンプリング(PDS)手法を提案する。 PDSは、バニラSGMのサンプリングプロセスを限界余剰計算コストで変更し、モデルの再訓練を行わない。
  論文  参考訳（メタデータ） (2023-02-13T16:30:53Z)
• Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes problem [78.20667552233989]
  我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。 本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
  論文  参考訳（メタデータ） (2022-07-04T14:51:59Z)
• A fast asynchronous MCMC sampler for sparse Bayesian inference [10.535140830570256]
  本稿では,非常に高速なマルコフ・チェイン・モンテカルロ(MCMC)サンプリングフレームワークを提案する。 本研究では, 高次元線形回帰問題において, 提案アルゴリズムで生成したマルコフ連鎖は, 主信号の正確な復元を行う不変分布を持つことを示す。
  論文  参考訳（メタデータ） (2021-08-14T02:20:49Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)
• Real-Time Likelihood-free Inference of Roman Binary Microlensing Events with Amortized Neural Posterior Estimation [0.29360071145551064]
  ローマ宇宙望遠鏡による次世代の宇宙マイクロレンズ調査では、数千の連星が観測されると予想されている。 そこで我々は,アモルト化神経後部推定法(Amortized Neural Later Estimation)という,可能性のない推論手法を提案する。 291,012シミュレートされたローマ風の2L1Sシミュレーションで訓練され、NDEは以前の支援下での観測のために数秒以内に正確で正確な後部を生成する。
  論文  参考訳（メタデータ） (2021-02-10T19:00:01Z)
• Lightning-Fast Gravitational Wave Parameter Inference through Neural Amortization [6.810835072367285]
  ニューラルシミュレーションに基づく推論の最近の進歩は、推論時間を最大3桁スピードアップすることができる。 シミュレーションされた重力波のパラメータの信頼区間を精度良く推定する。
  論文  参考訳（メタデータ） (2020-10-24T16:48:24Z)
• Complete parameter inference for GW150914 using deep learning [0.0]
  LIGOとVirgoの重力波観測所は過去5年間に多くのエキサイティングな出来事を観測してきた。 検出速度は検出器感度とともに増加するため、データ解析において計算上の課題が増大する。 本研究では,重力波に対する高速確率自由ベイズ推定にディープラーニング手法を適用した。
  論文  参考訳（メタデータ） (2020-08-07T18:00:02Z)
• On Thompson Sampling with Langevin Algorithms [106.78254564840844]
  多武装バンディット問題に対するトンプソンサンプリングは理論と実践の両方において良好な性能を享受する。 計算上のかなりの制限に悩まされており、反復ごとに後続分布からのサンプルを必要とする。 本稿では,この問題に対処するために,トンプソンサンプリングに適した2つのマルコフ連鎖モンテカルロ法を提案する。
  論文  参考訳（メタデータ） (2020-02-23T22:35:29Z)

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。