Fugu-MT 論文翻訳(概要): Celestial Machine Learning: From Data to Mars and Beyond with AI Feynman

論文の概要: Celestial Machine Learning: From Data to Mars and Beyond with AI Feynman

arxiv url: http://arxiv.org/abs/2312.09766v1
Date: Fri, 15 Dec 2023 13:12:49 GMT
ステータス: 処理完了
システム内更新日: 2023-12-18 15:53:04.968259
Title: Celestial Machine Learning: From Data to Mars and Beyond with AI Feynman
Title（参考訳）: 天体機械学習:データから火星まで、そしてai feynmanの先へ
Authors: Zi-Yu Khoo, Abel Yang, Jonathan Sze Choong Low, St\'ephane Bressan
Abstract要約: 機械やアルゴリズムは、ケプラーの最初の法則を天文観測だけで発見または学習できるのか? ヨハネス・ケプラー(Johannes Kepler)による火星の軌道の方程式とルドルフの表を、物理学に触発された記号回帰の道具であるAI Feynmanを用いてエミュレートした。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Can a machine or algorithm discover or learn Kepler's first law from astronomical sightings alone? We emulate Johannes Kepler's discovery of the equation of the orbit of Mars with the Rudolphine tables using AI Feynman, a physics-inspired tool for symbolic regression.
Abstract（参考訳）: 機械やアルゴリズムはケプラーの最初の法則を天文観測だけで発見できるだろうか。ヨハネス・ケプラー(Johannes Kepler)による火星の軌道の方程式とルドルフ表を、物理学に触発された記号回帰の道具であるAI Feynmanを用いてエミュレートした。

関連論文リスト

Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文参考訳（メタデータ） (2024-07-12T18:00:02Z)
Celestial Machine Learning: Discovering the Planarity, Heliocentricity, and Orbital Equation of Mars with AI Feynman [0.0]
ヨハネス・ケプラーは火星の楕円軌道に関する最初の法則を発見するために、2つのパラダイムシフトを必要とした。我々は、火星の軌道のヘリオセンタリティと平面性を発見するために、物理学にインスパイアされたシンボル回帰ツールであるAI Feynmanを拡張した。
論文参考訳（メタデータ） (2023-12-19T16:39:32Z)
Locating Hidden Exoplanets in ALMA Data Using Machine Learning [10.316742952272394]
機械学習が惑星の存在を迅速かつ正確に検出できることを実証する。我々はシミュレーションから生成された合成画像に基づいてモデルを訓練し、実際の観測に応用して、実際の系における形成惑星を同定する。
論文参考訳（メタデータ） (2022-11-17T14:02:16Z)
Identifying Exoplanets with Machine Learning Methods: A Preliminary Study [1.553390835237685]
本研究では,太陽系外惑星の同定に機械学習を用いた手法を提案する。我々はケプラー宇宙観測所からNASAが収集したケプラーデータセットを用いて教師あり学習を行った。我々はまた、k平均クラスタリングを用いて、確認された外惑星を異なるクラスタに分割する教師なし学習も行った。
論文参考訳（メタデータ） (2022-04-01T23:48:26Z)
Rediscovering orbital mechanics with machine learning [1.2999518604217852]
私たちは、30年間の軌道データから、太陽系の太陽、惑星、そして大きな衛星のダイナミクスをシミュレートするために「グラフニューラルネットワーク」を訓練します。次に,ニューラルネットワークによって暗黙的に学習された力法則の解析式を発見するために,記号回帰を用いた。
論文参考訳（メタデータ） (2022-02-04T18:44:21Z)
Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文参考訳（メタデータ） (2021-12-22T00:52:56Z)
Machine Learning for Mars Exploration [0.0]
火星探査の一部は、火星探査機マーズ・エクスプレス・オービター(Mars Express Orbiter)やマーズ・ローバー(Mars rovers)などの宇宙船による火星データの自動収集と分析を通じて行われた。これらの火星探査宇宙船や地球上で、これらの車両が収集したデータを分析するために使われる自律性は、主に機械学習から成り立っている。火星探査のための機械学習技術のさらなる応用は、惑星間探査の通信制限と人間のリスクを解決する可能性がある。
論文参考訳（メタデータ） (2021-11-22T21:11:42Z)
Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文参考訳（メタデータ） (2021-09-12T12:52:20Z)
GalaxAI: Machine learning toolbox for interpretable analysis of spacecraft telemetry data [48.42042893355919]
GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
論文参考訳（メタデータ） (2021-08-03T10:45:20Z)
Machine-Learning Non-Conservative Dynamics for New-Physics Detection [69.45430691069974]
未知の力によって支配される軌道を考えると、ニューラル・ニュー物理検出器(NNPhD)は新しい物理を検出することを目的としています。我々はNNPhDが、力場を保守的かつ非保守的成分に分解することで、新しい物理学の発見に成功したことを実証する。また,NNPhDと積分器の結合が,減衰二重振り子の将来を予測する従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-05-31T18:00:10Z)
Proposal for an optical interferometric measurement of the gravitational red-shift with satellite systems [52.77024349608834]
アインシュタイン等価原理(Einstein Equivalence Principle,EEP)は、重力のすべての計量理論を基盤とする。象徴的な重力赤方偏移実験は、2つのフェルミオン系(時計として使われる)を異なる重力ポテンシャルに配置する。衛星大距離光干渉測定実験の実装における基本的な点は、一階ドップラー効果の抑制である。本研究では,地上局と衛星の双方向構成において,一方向の位相シフトを減らして抑制する新しい手法を提案する。
論文参考訳（メタデータ） (2018-11-12T16:25:57Z)

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。