論文の概要: Removing Dust from CMB Observations with Diffusion Models
- arxiv url: http://arxiv.org/abs/2310.16285v1
- Date: Wed, 25 Oct 2023 01:36:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 17:18:18.217699
- Title: Removing Dust from CMB Observations with Diffusion Models
- Title（参考訳）: 拡散モデルによるCMB観測からのダスト除去
- Authors: David Heurtel-Depeiges, Blakesley Burkhart, Ruben Ohana, Bruno
R\'egaldo-Saint Blancard
- Abstract要約: ダストエミッションマップの例から拡散モデルを訓練できることが示される。
また、CMB宇宙論によって規定されたモデルを導入し、成分分離に関する単一宇宙論を用いて訓練されたモデルより優れる。
- 参考スコア（独自算出の注目度）: 4.094503210374668
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In cosmology, the quest for primordial $B$-modes in cosmic microwave
background (CMB) observations has highlighted the critical need for a refined
model of the Galactic dust foreground. We investigate diffusion-based modeling
of the dust foreground and its interest for component separation. Under the
assumption of a Gaussian CMB with known cosmology (or covariance matrix), we
show that diffusion models can be trained on examples of dust emission maps
such that their sampling process directly coincides with posterior sampling in
the context of component separation. We illustrate this on simulated mixtures
of dust emission and CMB. We show that common summary statistics (power
spectrum, Minkowski functionals) of the components are well recovered by this
process. We also introduce a model conditioned by the CMB cosmology that
outperforms models trained using a single cosmology on component separation.
Such a model will be used in future work for diffusion-based cosmological
inference.
- Abstract（参考訳）: 宇宙論において、宇宙マイクロ波背景観測(CMB)における原始的B$-modesの探索は、銀河ダストフォアグラウンドの洗練されたモデルの必要性を強調している。
粉塵の前景の拡散モデルと成分分離への応用について検討した。
既知の宇宙論(あるいは共分散行列)を持つガウス CMB の仮定の下では、拡散モデルがダストエミッションマップの例に基づいて訓練され、それらのサンプリングプロセスは、成分分離の文脈における後続サンプリングと直接一致することを示す。
ダストエミッションとCMBのシミュレーション混合物について説明する。
このプロセスにより,成分の共通要約統計(パワースペクトル,ミンコフスキー汎関数)が回復することを示す。
また、CMB宇宙論によって規定されたモデルを導入し、成分分離に関する単一宇宙論を用いて訓練されたモデルより優れる。
このようなモデルは、拡散に基づく宇宙論的推論のために将来の研究に使用される。
関連論文リスト
- Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling [9.386611764730791]
本稿では,銀河団のガス・ダークマター投影密度マップをスコアベース生成モデルを用いて再構成する手法を提案する。
拡散モデルでは, 模擬SZおよびX線像を条件付き観測として捉え, 学習データ後部からのサンプリングにより, 対応するガスおよびダークマターマップの実現を図っている。
論文 参考訳（メタデータ） (2024-10-03T18:00:03Z) - Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。
本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。
我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文 参考訳（メタデータ） (2024-10-03T09:07:13Z) - Diffusion-HMC: Parameter Inference with Diffusion Model driven Hamiltonian Monte Carlo [2.048226951354646]
この研究は、単一拡散生成モデルを用いて、観測された天体物理学分野の予測を理論から生成し、これらの予測を用いた観測から物理的モデルを制約する、相互に繋がった目的に対処する。
拡散生成モデルの近似的近似性を利用して、ハミルトニアンモンテカルロ法を用いて、与えられたテスト画像の宇宙論的パラメータの後方をサンプリングすることで、宇宙論の厳密な制約を導出する。
論文 参考訳（メタデータ） (2024-05-08T17:59:03Z) - Boosting Diffusion Models with Moving Average Sampling in Frequency Domain [101.43824674873508]
拡散モデルは、現在のサンプルに頼って次のサンプルをノイズ化し、おそらく不安定化を引き起こす。
本稿では,反復的復調過程をモデル最適化として再解釈し,移動平均機構を利用して全ての先行サンプルをアンサンブルする。
周波数領域における平均サンプリング(MASF)の動作」という完全なアプローチを命名する。
論文 参考訳（メタデータ） (2024-03-26T16:57:55Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳（メタデータ） (2022-11-30T05:33:29Z) - Latent Space Diffusion Models of Cryo-EM Structures [6.968705314671148]
我々は、CryoDRGNフレームワークにおいて、表現的で学習可能な拡散モデルをトレーニングする。
データ分布の正確なモデルを学習することにより、生成モデリング、サンプリング、分布解析のツールを解放する。
論文 参考訳（メタデータ） (2022-11-25T15:17:10Z) - Can denoising diffusion probabilistic models generate realistic
astrophysical fields? [0.0]
GAN(Generative Adversarial Network)の代替としてスコアベース生成モデルが登場した
宇宙論シミュレーションによる暗黒物質質量密度場と星間ダストの画像の2つの文脈で、これらのモデルが磁場を生成する能力について検討する。
論文 参考訳（メタデータ） (2022-11-22T17:54:47Z) - Unifying Diffusion Models' Latent Space, with Applications to
CycleDiffusion and Guidance [95.12230117950232]
関係領域で独立に訓練された2つの拡散モデルから共通潜時空間が現れることを示す。
テキスト・画像拡散モデルにCycleDiffusionを適用することで、大規模なテキスト・画像拡散モデルがゼロショット画像・画像拡散エディタとして使用できることを示す。
論文 参考訳（メタデータ） (2022-10-11T15:53:52Z) - Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。
フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
論文 参考訳（メタデータ） (2022-02-23T19:00:00Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z)
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。