論文の概要: SPT: Spectral Transformer for Red Giant Stars Age and Mass Estimation
- arxiv url: http://arxiv.org/abs/2401.04900v1
- Date: Wed, 10 Jan 2024 03:03:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 15:44:23.236722
- Title: SPT: Spectral Transformer for Red Giant Stars Age and Mass Estimation
- Title（参考訳）: SPT:赤色巨星年代と質量推定のための分光変換器
- Authors: Mengmeng Zhang, Fan Wu, Yude Bu, Shanshan Li, Zhenping Yi, Meng Liu,
and Xiaoming Kong
- Abstract要約: 我々は、赤巨星の年齢と質量をスペクトルから推定する新しい枠組みであるスペクトル変換器を開発した。
LAMOSTの3,880個の赤色巨星のスペクトルで訓練され、SPTは17.64%と6.61%の誤差で驚くべき年齢と質量推定を達成した。
- 参考スコア（独自算出の注目度）: 10.222849465628174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The age and mass of red giants are essential for understanding the structure
and evolution of the Milky Way. Traditional isochrone methods for these
estimations are inherently limited due to overlapping isochrones in the
Hertzsprung-Russell diagram, while asteroseismology, though more precise,
requires high-precision, long-term observations. In response to these
challenges, we developed a novel framework, Spectral Transformer (SPT), to
predict the age and mass of red giants aligned with asteroseismology from their
spectra. A key component of SPT, the Multi-head Hadamard Self-Attention
mechanism, designed specifically for spectra, can capture complex relationships
across different wavelength. Further, we introduced a Mahalanobis
distance-based loss function to address scale imbalance and interaction mode
loss, and incorporated Monte Carlo dropout for quantitative analysis of
prediction uncertainty.Trained and tested on 3,880 red giant spectra from
LAMOST, the SPT achieved remarkable age and mass estimations with average
percentage errors of 17.64% and 6.61%, respectively, and provided uncertainties
for each corresponding prediction. The results significantly outperform those
of traditional machine learning algorithms and demonstrate a high level of
consistency with asteroseismology methods and isochrone fitting techniques. In
the future, our work will leverage datasets from the Chinese Space Station
Telescope and the Large Synoptic Survey Telescope to enhance the precision of
the model and broaden its applicability in the field of astronomy and
astrophysics.
- Abstract（参考訳）: 赤色巨星の年齢と質量は、銀河系の構造と進化を理解するために不可欠である。
これらの推定の伝統的なアイソクロン法は、ヘルツスプルング・ラッセル図の重なり合うアイソクロンにより本質的に制限されるが、アステロソロジーはより正確には、高精度で長期的な観測を必要とする。
これらの課題に対応するため、我々は、赤巨星の年齢と質量をスペクトルから予測する新しいフレームワーク、スペクトル変換器(SPT)を開発した。
sptのキーコンポーネントであるマルチヘッドアダマール自己アテンション機構は、スペクトル専用に設計されており、異なる波長の複雑な関係を捉えることができる。
さらに,スケールの不均衡やインタラクションモードの損失に対処するために,マハラノビス距離に基づく損失関数を導入し,モンテカルロ・ドロップアウトを組み込んで予測の不確かさを定量的に解析し,ラモスから3,880個の赤色巨星スペクトルを観測し,平均パーセンテージ誤差17.64%,質量推定6.61%をそれぞれ達成し,各予測に不確実性を与えた。
その結果、従来の機械学習アルゴリズムよりも大幅に優れ、アステロジストロジー法やイソクロンフィッティング技術との高レベルの整合性を実証した。
将来的には、中国宇宙ステーション望遠鏡と大型シントロピックサーベイ望遠鏡のデータセットを利用して、モデルの精度を高め、天文学や天体物理学の分野で適用範囲を広げていく予定だ。
関連論文リスト
- Point-Calibrated Spectral Neural Operators [54.13671100638092]
点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
点平衡スペクトル演算子は点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - 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) - Flow-Based Generative Emulation of Grids of Stellar Evolutionary Models [4.713280433864737]
恒星進化モデルの格子をエミュレートするフローベース生成手法を提案する。
様々な進化軌道やアイソクロンを連続的な入力パラメータにわたってエミュレートする能力を示す。
論文 参考訳（メタデータ） (2024-07-12T16:54:17Z) - Long-Term Prediction Accuracy Improvement of Data-Driven Medium-Range Global Weather Forecast [5.284452133959932]
長期的反復予測を改善するために、Spherical Harmonic Neural Operator (SHNO)と呼ばれる普遍的神経オペレータが導入された。
SHNOは球面の高調波基底を用いて球面データの歪みを緩和し、異なるスケールでスプリアス相関によって生じるスペクトルバイアスを補正するためにゲート残留スペクトルアテンション(GRSA)を用いる。
本研究は,長期予測の精度を向上させるため,SHNOの利点と可能性を強調した。
論文 参考訳（メタデータ） (2024-06-26T02:06:27Z) - cecilia: A Machine Learning-Based Pipeline for Measuring Metal
Abundances of Helium-rich Polluted White Dwarfs [0.0]
Ceciliaは、中間温度の白色小星の金属量を測定するために設計された、機械学習を利用した初めてのスペクトルモデリングコードである。
Ceciliaは最先端の大気モデル、強力な人工知能ツール、堅牢な統計技術を組み合わせている。
セシリアのパフォーマンスは、太陽系外地球化学の大規模な研究を解き放つ可能性がある。
論文 参考訳（メタデータ） (2024-02-07T19:00:02Z) - deep-REMAP: Parameterization of Stellar Spectra Using Regularized
Multi-Task Learning [0.0]
確率的推論のための非対称損失をもつ深層正規化アンサンブルに基づくマルチタスク学習(rmdeep-REMAP$)
我々は、PHOENIXライブラリからのリッチな合成スペクトルと、MARVELSサーベイからの観測データを利用して、恒星の大気パラメータを正確に予測する新しいフレームワークを開発する。
論文 参考訳（メタデータ） (2023-11-07T05:41:48Z) - End-To-End Latent Variational Diffusion Models for Inverse Problems in
High Energy Physics [61.44793171735013]
本稿では,最先端生成技術アプローチの潜時学習とエンドツーエンドの変分フレームワークを組み合わせた,新しい統合アーキテクチャ,潜時変分モデルを提案する。
我々の統一的アプローチは、非最新技術ベースラインの20倍以上の真理への分布自由距離を達成する。
論文 参考訳（メタデータ） (2023-05-17T17:43:10Z) - Neural Importance Sampling for Rapid and Reliable Gravitational-Wave
Inference [59.040209568168436]
まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。
本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。
LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
論文 参考訳（メタデータ） (2022-10-11T18:00:02Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Gaussian Processes with Skewed Laplace Spectral Mixture Kernels for
Long-term Forecasting [11.729971911409637]
長期的な予測には、最後の観測よりもはるかに先にある地平線を予測することが含まれる。
そこで本研究では,スキュードラプラススペクトル混合物(SLSM)を用いたスペクトル密度のモデル化について提案する。
さらに,当初ニューラルネットワークの重み付けのために開発された宝くじをGPに適応させ,カーネルコンポーネントの数を自動選択する。
論文 参考訳（メタデータ） (2020-11-08T13:03:59Z)
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。