論文の概要: Removing Dust from CMB Observations with Diffusion Models
- arxiv url: http://arxiv.org/abs/2310.16285v2
- Date: Mon, 11 Dec 2023 19:18:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 19:35:23.184392
- 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
- Score-based generative models learn manifold-like structures with
constrained mixing [2.843124313496295]
スコアベース生成モデルは低次元多様体上でのデータ分布をどうやって学習するか?
本研究では, 局所特徴ベクトルによる線形近似と部分空間を用いて, 訓練されたSBMのスコアモデルについて検討する。
学習されたベクトル場は、多様体内の非保存的場によってサンプルを混合するが、非多様体方向のエネルギー関数が存在するかのように通常の射影と調和する。
論文 参考訳(メタデータ) (2023-11-16T15:15:15Z) - Renormalizing Diffusion Models [0.7252027234425334]
拡散モデルを用いて、統計および量子場理論の逆再正規化群フローを学習する。
我々の研究は、多スケール拡散モデルの解釈を提供し、新しい性質を持つべき拡散モデルに対する物理的に着想を得た提案を与える。
論文 参考訳(メタデータ) (2023-08-23T18:02:31Z) - Ensemble flow reconstruction in the atmospheric boundary layer from
spatially limited measurements through latent diffusion models [0.32955181898067526]
機械学習技術は、従来、標準的な流体力学問題において、観測されていない流れ領域を再構築してきた。
これらの技術は3次元大気境界層ではまだ実証されていない。
論文 参考訳(メタデータ) (2023-03-01T21:55:10Z) - ShiftDDPMs: Exploring Conditional Diffusion Models by Shifting Diffusion
Trajectories [144.03939123870416]
本稿では,前処理に条件を導入することで,新しい条件拡散モデルを提案する。
いくつかのシフト規則に基づいて各条件に対して排他的拡散軌跡を割り当てるために、余剰潜在空間を用いる。
我々は textbfShiftDDPMs と呼ぶメソッドを定式化し、既存のメソッドの統一的な視点を提供する。
論文 参考訳(メタデータ) (2023-02-05T12:48:21Z) - 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) - Riemannian Score-Based Generative Modeling [56.20669989459281]
経験的性能を示すスコアベース生成モデル(SGM)を紹介する。
現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。
これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
論文 参考訳(メタデータ) (2022-02-06T11:57:39Z) - 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。