Fugu-MT 論文翻訳(概要): A possible late-time transition of $M

論文の概要: A possible late-time transition of $M_B$ inferred via neural networks

arxiv url: http://arxiv.org/abs/2402.10502v2
Date: Wed, 4 Sep 2024 13:31:31 GMT
ステータス: 処理完了
システム内更新日: 2024-09-07 03:56:02.587952
Title: A possible late-time transition of $M_B$ inferred via neural networks
Title（参考訳）: ニューラルネットワークによるM_B$推定の深夜遷移の可能性
Authors: Purba Mukherjee, Konstantinos F. Dialektopoulos, Jackson Levi Said, Jurgen Mifsud,
Abstract要約: ハッブル定数の張力は、局所的な宇宙と初期の宇宙の制約の間の緊張と見なすことができる。我々は、絶対等級の値を不可知的に制約するためにニューラルネットワークを用いる。我々は、$zapprox 1$ 領域における遷移赤方偏移の可能性を示唆する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The strengthening of tensions in the cosmological parameters has led to a reconsideration of fundamental aspects of standard cosmology. The tension in the Hubble constant can also be viewed as a tension between local and early Universe constraints on the absolute magnitude $M_B$ of Type Ia supernova. In this work, we reconsider the possibility of a variation of this parameter in a model-independent way. We employ neural networks to agnostically constrain the value of the absolute magnitude as well as assess the impact and statistical significance of a variation in $M_B$ with redshift from the Pantheon+ compilation, together with a thorough analysis of the neural network architecture. We find an indication for a possible transition redshift at the $z\approx 1$ region.
Abstract（参考訳）: 宇宙論パラメータにおける緊張の強化は、標準宇宙論の基本的側面の再考につながった。ハッブル定数の張力は、Ia型超新星の絶対等級$M_B$上の局所宇宙と初期宇宙の制約の間の張力と見なすこともできる。本研究では、モデルに依存しない方法で、このパラメータの変動の可能性を再考する。ニューラルネットワークを用いて、絶対等級の値を不可知的に制約し、Pantheon+コンパイルの赤シフトによるM_B$の変動の影響と統計的意義を評価し、ニューラルネットワークアーキテクチャの徹底的な解析を行う。我々は、$z\approx 1$ 領域における遷移赤方偏移の可能性を示す。

関連論文リスト

Dimension-independent learning rates for high-dimensional classification problems [53.622581586464634]
各RBV2$関数は、重みが有界なニューラルネットワークによって近似可能であることを示す。次に、分類関数を近似した有界重みを持つニューラルネットワークの存在を証明する。
論文参考訳（メタデータ） (2024-09-26T16:02:13Z)
Bayesian deep learning for cosmic volumes with modified gravity [0.0]
本研究では,不確実性推定による深層ニューラルネットワークを用いて,修正重力(MG)シミュレーションから宇宙パラメータを抽出することを目的とした。実空間密度場とパワースペクトルの両BNNを2000ダークマターのみの粒子メッシュのスイートから訓練する。 BNNは$Omega_m$と$sigma_8$のパラメータとMGパラメータとの相関を正確に予測する。
論文参考訳（メタデータ） (2023-09-01T17:59:06Z)
A Robustness Analysis of Blind Source Separation [91.3755431537592]
ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
論文参考訳（メタデータ） (2023-03-17T16:30:51Z)
The SZ flux-mass ($Y$-$M$) relation at low halo masses: improvements with symbolic regression and strong constraints on baryonic feedback [2.436653298863297]
AGNと超新星のフィードバックは、CMBサーベイによるハロのSZフラックスの総合的な測定に影響を与える可能性がある。低質量のフィードバックプロセスに対してより堅牢な$Y-M$関係の類似を探索する。この結果は,今後のSZ調査を用いて,バリオニクスフィードバックの性質を制約する上で有用である。
論文参考訳（メタデータ） (2022-09-05T18:00:00Z)
On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文参考訳（メタデータ） (2022-05-18T16:57:10Z)
Single temporal-pulse-modulated parameterized controlled-phase gate for Rydberg atoms [1.6114012813668934]
制御相ゲートCZ$_theta$を中性原子の連続$theta$で実装するための断熱プロトコルを提案する。幅広い$theta$に対して、99.7%以上のCZ$_theta$ Gateを1mu$以下で得ることができる。
論文参考訳（メタデータ） (2022-01-16T07:40:26Z)
Scalable Lipschitz Residual Networks with Convex Potential Flows [120.27516256281359]
残差ネットワーク勾配流における凸ポテンシャルを用いることで,1ドルのLipschitz変換が組み込まれていることを示す。 CIFAR-10の包括的な実験は、アーキテクチャのスケーラビリティと、証明可能な防御に$ell$のアプローチの利点を実証している。
論文参考訳（メタデータ） (2021-10-25T07:12:53Z)
Satellite galaxy abundance dependency on cosmology in Magneticum simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。 A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
論文参考訳（メタデータ） (2021-10-11T18:00:02Z)
The edge of chaos: quantum field theory and deep neural networks [0.0]
我々は、ディープニューラルネットワークの一般クラスに対応する量子場理論を明示的に構築する。我々は、深さ$T$と幅$N$との比の摂動展開において、相関関数に対するループ補正を計算する。我々の分析は、急速に出現するNN-QFT対応に対する第一原理のアプローチを提供し、ディープニューラルネットワークの臨界性の研究にいくつかの興味深い道を開く。
論文参考訳（メタデータ） (2021-09-27T18:00:00Z)
The Rate of Convergence of Variation-Constrained Deep Neural Networks [35.393855471751756]
変動制約のあるニューラルネットワークのクラスは、任意に小さな定数$delta$に対して、ほぼパラメトリックレート$n-1/2+delta$を達成することができることを示す。その結果、滑らかな関数の近似に必要な神経機能空間は、しばしば知覚されるものほど大きくない可能性が示唆された。
論文参考訳（メタデータ） (2021-06-22T21:28:00Z)
Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
論文参考訳（メタデータ） (2020-02-20T15:43:02Z)

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。