論文の概要: Hyperparameter optimization of hp-greedy reduced basis for gravitational
wave surrogates
- arxiv url: http://arxiv.org/abs/2310.15143v1
- Date: Mon, 23 Oct 2023 17:48:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 18:03:47.568661
- Title: Hyperparameter optimization of hp-greedy reduced basis for gravitational
wave surrogates
- Title（参考訳）: 重力波サーロゲートに対するhp-greedy reduction basisのハイパーパラメータ最適化
- Authors: Franco Cerino, Andr\'es Diaz-Pace, Emmanuel Tassone, Manuel Tiglio,
Atuel Villegas
- Abstract要約: 本稿では,ハイパーパラメータ最適化(HPO)の問題に取り組む。
同じ精度で、2つの回転するブラックホールの衝突による重力波の場合、HPOによる局所的なhp-greedy還元基底は、ここで調べられた場合の最大4倍の次元を持つ。
このような加速は、コンパクトな双対合体からの重力波の電磁波のほぼリアルタイムな要求に役立ちうる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a previous work we introduced, in the context of gravitational wave
science, an initial study on an automated domain-decomposition approach for
reduced basis through hp-greedy refinement. The approach constructs local
reduced bases of lower dimensionality than global ones, with the same or higher
accuracy. These ``light'' local bases should imply both faster evaluations when
predicting new waveforms and faster data analysis, in particular faster
statistical inference (the forward and inverse problems, respectively). In this
approach, however, we have previously found important dependence on several
hyperparameters, which do not appear in global reduced basis. This naturally
leads to the problem of hyperparameter optimization (HPO), which is the subject
of this paper. We tackle the problem through a Bayesian optimization, and show
its superiority when compared to grid or random searches. We find that for
gravitational waves from the collision of two spinning but non-precessing black
holes, for the same accuracy, local hp-greedy reduced bases with HPO have a
lower dimensionality of up to $4 \times$ for the cases here studied, depending
on the desired accuracy. This factor should directly translate in a parameter
estimation speedup, for instance. Such acceleration might help in the near
real-time requirements for electromagnetic counterparts of gravitational waves
from compact binary coalescences. In addition, we find that the Bayesian
approach used in this paper for HPO is two orders of magnitude faster than, for
example, a grid search, with about a $100 \times$ acceleration. The code
developed for this project is available as open source from public
repositories.
- Abstract（参考訳）: 重力波科学の分野では、hp-greedy精製による基底を小さくするためのドメイン分割の自動化に関する最初の研究を紹介した。
このアプローチは、同じまたはより高い精度で、大域的よりも低次元の局所的還元基底を構成する。
これらの `light' ローカルベースは、新しい波形を予測する際の高速な評価と、高速なデータ解析、特に高速な統計的推論(それぞれ前方および逆問題)の両方を暗示すべきである。
しかし, この手法では, 地球規模では減少しないいくつかのハイパーパラメータに重要な依存が認められた。
このことは,本論文の主題であるハイパーパラメータ最適化(HPO)の問題に自然に繋がる。
ベイズ最適化によってこの問題に取り組み,グリッドやランダム検索と比較してその優越性を示す。
2つの回転するブラックホールの衝突による重力波の場合、同じ精度で、HPOによる局所的なhp-greedy還元基底は、所望の精度に応じて、ここで調べられた場合の次元が最大4 \times$であることがわかった。
この因子は、例えばパラメータ推定スピードアップを直接変換する必要がある。
このような加速は、コンパクトな双対合体からの重力波の電磁波のほぼリアルタイムな要求に役立ちうる。
さらに,本論文でHPOに用いたベイズ的手法は,例えばグリッド探索よりも2桁高速で,約100 \times$Acceleratorであることがわかった。
このプロジェクトで開発されたコードは、パブリックリポジトリからオープンソースとして入手できる。
関連論文リスト
- Local Loss Optimization in the Infinite Width: Stable Parameterization of Predictive Coding Networks and Target Propagation [8.35644084613785]
局所目標の2つの代表的設計に対して、無限幅極限における最大更新パラメータ化(mu$P)を導入する。
深層線形ネットワークを解析した結果,PCの勾配は1次勾配とガウス・ニュートン様勾配の間に介在していることが判明した。
我々は、特定の標準設定において、無限幅制限のPCは、一階勾配とよりよく似た振る舞いをすることを示した。
論文 参考訳（メタデータ） (2024-11-04T11:38:27Z) - SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-02-08T05:06:14Z) - Deep neural operators can serve as accurate surrogates for shape
optimization: A case study for airfoils [3.2996060586026354]
本研究では, 形状最適化を目的とし, 未確認翼まわりの流れ場を推定するためにDeepONetsを用いることを検討した。
本稿では,オンライン最適化コストを桁違いに削減しつつ,予測精度の劣化が少ない結果を示す。
論文 参考訳（メタデータ） (2023-02-02T00:19:09Z) - An automated parameter domain decomposition approach for gravitational
wave surrogates using hp-greedy refinement [0.3867363075280544]
hp-greedyは重力波サロゲートを構築するための洗練されたアプローチである。
2つの回転する非定常ブラックホールの衝突によって放出される重力波のより現実的な利用例を示す。
論文 参考訳（メタデータ） (2022-12-16T16:12:51Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳（メタデータ） (2022-10-11T18:00:02Z) - STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。
我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
論文 参考訳（メタデータ） (2021-11-01T15:43:36Z) - Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain
Adaptation [154.2195491708548]
ランダムに選択されたデータバッチの分類出力行列の構造について検討し,予測可能性と多様性について検討した。
本稿では,目標出力行列上で核ノルムを行い,目標予測能力を向上するBatch Nuclear-norm Maximization and Minimizationを提案する。
実験により,本手法は3つの典型的なドメイン適応シナリオにおいて適応精度とロバスト性を高めることができることが示された。
論文 参考訳（メタデータ） (2021-07-13T15:08:32Z) - 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) - Hyperparameter Transfer Across Developer Adjustments [34.69121532129445]
我々は,HT-AA(Hyper parameter transfer across adjusts)という新しい研究フレームワークを提案する。
最も優れたベースラインは、平均して古いHPOと新しいHPOの予算に依存し、転送不要の著名なHPOアルゴリズムよりも1.2--2.6倍高速である。
HPOはML開発において重要なステップであるが、広範な計算資源を必要とするため、このスピードアップは開発サイクルの高速化、コストの低減、環境への影響の低減につながる。
論文 参考訳（メタデータ） (2020-10-25T13:35:37Z) - A Global Stochastic Optimization Particle Filter Algorithm [0.0]
目的関数がマルチモーダルである場合に,期待されるログ類似度に対する新しいアルゴリズムを提案する。
高い確率で、G-PFSOは目的関数の発見に成功し、最適な速度でその大域最大化器に収束する。
論文 参考訳（メタデータ） (2020-07-09T14:17:43Z) - On the Convergence Rate of Projected Gradient Descent for a
Back-Projection based Objective [58.33065918353532]
我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。
LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
論文 参考訳（メタデータ） (2020-05-03T00:58:23Z)
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。