論文の概要: A point cloud approach to generative modeling for galaxy surveys at the
field level
- arxiv url: http://arxiv.org/abs/2311.17141v1
- Date: Tue, 28 Nov 2023 19:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-30 23:41:12.992727
- Title: A point cloud approach to generative modeling for galaxy surveys at the
field level
- Title(参考訳): フィールドレベルの銀河サーベイにおける生成モデリングへのポイントクラウドアプローチ
- Authors: Carolina Cuesta-Lazaro and Siddharth Mishra-Sharma
- Abstract要約: 宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。
クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。
このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
- 参考スコア(独自算出の注目度): 0.5099081649205313
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a diffusion-based generative model to describe the distribution
of galaxies in our Universe directly as a collection of points in 3-D space
(coordinates) optionally with associated attributes (e.g., velocities and
masses), without resorting to binning or voxelization. The custom diffusion
model can be used both for emulation, reproducing essential summary statistics
of the galaxy distribution, as well as inference, by computing the conditional
likelihood of a galaxy field. We demonstrate a first application to massive
dark matter haloes in the Quijote simulation suite. This approach can be
extended to enable a comprehensive analysis of cosmological data, circumventing
limitations inherent to summary statistic -- as well as neural simulation-based
inference methods.
- Abstract(参考訳): 我々は、宇宙における銀河の分布を直接3次元空間の点の集合として記述するための拡散に基づく生成モデルを導入し(座標)、ビンニングやボキセル化に頼ることなく、関連する属性(速度や質量など)と任意に関連付ける。
カスタム拡散モデルは、銀河の分布の基本的な要約統計を再現するエミュレーションや、銀河場の条件付き確率を計算することによって推論に利用できる。
我々は、quijoteシミュレーションスイートにおいて、巨大なダークマターハロエに対する最初の応用を示す。
このアプローチは、サマリ統計学に固有の制限を回避して、宇宙データの包括的な分析を可能にするために拡張することができる。
関連論文リスト
- Space-Time Bridge-Diffusion [0.5348370085388683]
実数値分布から独立かつ同一分布(d.d.)の新規な合成サンプルを生成する手法を提案する。
我々の手法の中心は時空間次元にまたがる時空間混合戦略の統合である。
我々は,時空拡散法を数値実験で検証し,より広範な将来の理論と実験の基盤を築き,その方法を完全に認証する。
論文 参考訳(メタデータ) (2024-02-13T23:26:11Z) - LtU-ILI: An All-in-One Framework for Implicit Inference in Astrophysics
and Cosmology [1.5321000844568695]
本稿では,LtU-ILIパイプライン(Learning the Universe Implicit Likelihood Inference:LtU-ILI)を提案する。
これは天体物理学と宇宙論における最先端の機械学習(ML)推論である。
天体物理学や宇宙論の諸問題にまたがる実応用を提示する。
論文 参考訳(メタデータ) (2024-02-06T19:00:00Z) - Simulation-based inference using surjective sequential neural likelihood
estimation [50.24983453990065]
主観的逐次的ニューラルネットワーク類似度推定はシミュレーションに基づく推論の新しい手法である。
データを低次元空間に埋め込むことで、SSNLは高次元データセットに適用する際の従来の可能性ベースの手法が抱えるいくつかの問題を解く。
論文 参考訳(メタデータ) (2023-08-02T10:02:38Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳(メタデータ) (2023-07-11T16:51:38Z) - Fermion production at the boundary of an expanding universe: a cold-atom
gravitational analogue [68.8204255655161]
フリードマン・ロバートソン・ウォルカー時空におけるディラックフェルミオンの宇宙粒子生成現象について検討した。
ラマン光学格子における超低温原子を用いた重力アナログの量子シミュレーション手法を提案する。
論文 参考訳(メタデータ) (2022-12-02T18:28:23Z) - Towards solving model bias in cosmic shear forward modeling [2.967246997200238]
弱い重力レンズは、宇宙のせん断と呼ばれる銀河形態のわずかなせん断を発生させる。
楕円度測定の統計に基づくせん断推定の現代の技術は、楕円度が任意の銀河の光のプロファイルに対して適切に定義された量ではないという事実に悩まされている。
生成モデルが銀河形態を捉えるハイブリッド物理・ディープラーニング階層ベイズモデルにより、現実的な銀河上でのせん断の偏りのない推定を復元できることを示す。
論文 参考訳(メタデータ) (2022-10-28T16:23:49Z) - Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with
Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。
従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文 参考訳(メタデータ) (2022-07-07T17:55:26Z) - Realistic galaxy image simulation via score-based generative models [0.0]
本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。
主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
論文 参考訳(メタデータ) (2021-11-02T16:27:08Z) - A neural simulation-based inference approach for characterizing the
Galactic Center $\gamma$-ray excess [9.101294179203794]
Fermi gamma-ray Galactic Center Excess(GCE)は10年以上も謎のままだ。
我々は、シミュレーションに基づく推論の分野における最近の進歩を利用して、モデル化されたコンポーネントのGCEへの貢献を特徴づける。
論文 参考訳(メタデータ) (2021-10-13T18:00:00Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Generative Modeling with Denoising Auto-Encoders and Langevin Sampling [88.83704353627554]
DAEとDSMの両方がスムーズな人口密度のスコアを推定することを示した。
次に、この結果をarXiv:1907.05600のホモトピー法に適用し、その経験的成功を理論的に正当化する。
論文 参考訳(メタデータ) (2020-01-31T23:50:03Z)
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。