論文の概要: Hierarchical Clustering in ${\Lambda}$CDM Cosmologies via Persistence
Energy
- arxiv url: http://arxiv.org/abs/2401.01988v2
- Date: Mon, 8 Jan 2024 11:09:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 21:13:50.603097
- Title: Hierarchical Clustering in ${\Lambda}$CDM Cosmologies via Persistence
Energy
- Title(参考訳): 永続エネルギーによる${\lambda}$cdm宇宙における階層的クラスタリング
- Authors: Michael Etienne Van Huffel, Leonardo Aldo Alejandro Barberi, Tobias
Sagis
- Abstract要約: LITEは最近の文献から得られた革新的な手法で、永続化図をベクトル空間の要素に埋め込む。
中心的な発見は、textitPersistence Energyとredshift値の相関であり、永続的ホモロジーと宇宙の進化を結び付け、宇宙構造のダイナミクスに関する洞察を提供する。
- 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 this research, we investigate the structural evolution of the cosmic web,
employing advanced methodologies from Topological Data Analysis. Our approach
involves leveraging LITE, an innovative method from recent literature that
embeds persistence diagrams into elements of vector spaces. Utilizing this
methodology, we analyze three quintessential cosmic structures: clusters,
filaments, and voids. A central discovery is the correlation between
\textit{Persistence Energy} and redshift values, linking persistent homology
with cosmic evolution and providing insights into the dynamics of cosmic
structures.
- Abstract(参考訳): 本研究では、トポロジカルデータ解析による高度な手法を用いて、宇宙ウェブの構造的進化を考察する。
我々のアプローチは、最近の文献から得られた革新的手法であるLITEを活用し、永続化図をベクトル空間の要素に埋め込む。
この手法を用いて、クラスター、フィラメント、空隙の3つのクインテシデント宇宙構造を解析する。
中心となる発見は \textit{persistence energy} と赤方偏移値の相関であり、永続ホモロジーと宇宙の進化を結びつけ、宇宙構造のダイナミクスに関する洞察を提供する。
関連論文リスト
- The Early Universe as an Open Quantum System: Complexity and Decoherence [0.23436632098950458]
オープン量子系における複雑性は、加速する背景が存在する場合でも、2つのフィールド間のデコヒーレンスを識別できることを示す。
この論文は、加速する背景における量子複雑性の特徴を探求する新たな経路を開拓し、初期宇宙における原始宇宙論的摂動の進化に対する我々の理解を拡大する。
論文 参考訳(メタデータ) (2024-01-22T17:18:50Z) - Clustering Molecular Energy Landscapes by Adaptive Network Embedding [2.676713226382288]
分子構造のポテンシャルエネルギー景観をクラスタリングするためのデータ駆動型アプローチを提案する。
また、エネルギー景観の階層的なサンプリングのためのエントロピー感度適応スキームも組み込んだ。
Lennard-JonesクラスタとヒトDNA配列を通して、このフレームワークを実証する。
論文 参考訳(メタデータ) (2024-01-19T17:12:07Z) - Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image
Compression [63.56922682378755]
本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。
提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。
実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
論文 参考訳(メタデータ) (2023-08-17T01:34:51Z) - A Heat Diffusion Perspective on Geodesic Preserving Dimensionality
Reduction [66.21060114843202]
熱測地線埋め込みと呼ばれるより一般的な熱カーネルベースの多様体埋め込み法を提案する。
その結果,本手法は,地中真理多様体距離の保存において,既存の技術よりも優れていることがわかった。
また,連続体とクラスタ構造を併用した単一セルRNAシークエンシングデータセットに本手法を適用した。
論文 参考訳(メタデータ) (2023-05-30T13:58:50Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳(メタデータ) (2023-05-22T11:08:00Z) - Decoding Structure-Spectrum Relationships with Physically Organized
Latent Spaces [6.36075035468233]
構造スペクトル関係の発見のための半教師付き機械学習手法を開発し,実証した。
本手法は,個々の構造記述子とスペクトル傾向の1対1マッピングを構成する。
RankAAE法は連続的かつ解釈可能な潜在空間を生成し、各次元は個々の構造記述子を追跡することができる。
論文 参考訳(メタデータ) (2023-01-11T21:30:22Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳(メタデータ) (2022-01-07T22:26:33Z) - Provable Hierarchy-Based Meta-Reinforcement Learning [50.17896588738377]
HRLをメタRL設定で解析し、下流タスクで使用するメタトレーニング中に学習者が潜在階層構造を学習する。
我々は、この自然階層の標本効率の回復を保証し、抽出可能な楽観主義に基づくアルゴリズムとともに「多様性条件」を提供する。
我々の境界は、時間的・状態的・行動的抽象化などのHRL文献に共通する概念を取り入れており、我々の設定と分析が実際にHRLの重要な特徴を捉えていることを示唆している。
論文 参考訳(メタデータ) (2021-10-18T17:56:02Z) - DyERNIE: Dynamic Evolution of Riemannian Manifold Embeddings for
Temporal Knowledge Graph Completion [39.076763522746354]
時間的知識グラフ(KG)は、時間とともに実体間の動的関係を記録する。
時間的KGに対する既存の埋め込みアプローチは、通常ユークリッド空間における実体表現とその動的進化を学習する。
本研究では,非ユークリッド埋め込み手法であるDy-ERNIEを提案する。
論文 参考訳(メタデータ) (2020-11-08T14:04:16Z) - Generalized Clustering and Multi-Manifold Learning with Geometric
Structure Preservation [47.65743823937763]
一般化データのための幾何構造を保存した新しい汎用クラスタリング・マルチマニフォールド学習(GCML)フレームワークを提案する。
提案フレームワークでは,クラスタリング損失によって導かれる潜在空間において,多様体クラスタリングを行う。
クラスタリング指向の損失が潜伏空間の幾何学的構造を悪化させるという問題を克服するため, 局所的に多様体内構造を保存するための等尺的損失と, グローバルな多様体間構造のランキング損失が提案されている。
論文 参考訳(メタデータ) (2020-09-21T03:04:57Z) - Generating Tertiary Protein Structures via an Interpretative Variational
Autoencoder [16.554053012204182]
本稿では,タンパク質の機能的関連3次元構造を生成するための代替手法を提案し,評価する。
いくつかの深層建築の包括的評価は、新しい第三次構造をサンプリングするための潜伏空間を直接明らかにする上で、生成モデルの可能性を示唆している。
論文 参考訳(メタデータ) (2020-04-08T17:40:21Z)
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。