論文の概要: syren-halofit: A fast, interpretable, high-precision formula for the
$\Lambda$CDM nonlinear matter power spectrum
- arxiv url: http://arxiv.org/abs/2402.17492v1
- Date: Tue, 27 Feb 2024 13:18:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 16:12:46.953828
- Title: syren-halofit: A fast, interpretable, high-precision formula for the
$\Lambda$CDM nonlinear matter power spectrum
- Title（参考訳）: syren-halofit:$\lambda$cdm非線形物質パワースペクトルの高速で解釈可能で高精度な公式
- Authors: Deaglan J. Bartlett, Benjamin D. Wandelt, Matteo Zennaro, Pedro G.
Ferreira, Harry Desmond
- Abstract要約: シンボリック回帰を用いて、非線形スケールの単純な解析近似、$k_sigma$、有効スペクトル指数$n_rm eff$、曲率$C$を得る。
次に、ハロフィットの係数を広範囲の宇宙論と赤方偏移に合わせるように再最適化する。
提案手法は,現行のハロフィット実装の2350倍,アムコード実装の3170倍,EuclidEmulator2およびBACCOエミュレータの2680倍,64倍の速度である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid and accurate evaluation of the nonlinear matter power spectrum, $P(k)$,
as a function of cosmological parameters and redshift is of fundamental
importance in cosmology. Analytic approximations provide an interpretable
solution, yet current approximations are neither fast nor accurate relative to
black-box numerical emulators. We use symbolic regression to obtain simple
analytic approximations to the nonlinear scale, $k_\sigma$, the effective
spectral index, $n_{\rm eff}$, and the curvature, $C$, which are required for
the halofit model. We then re-optimise the coefficients of halofit to fit a
wide range of cosmologies and redshifts. We then again exploit symbolic
regression to explore the space of analytic expressions to fit the residuals
between $P(k)$ and the optimised predictions of halofit. All methods are
validated against $N$-body simulations. Our symbolic expressions for
$k_\sigma$, $n_{\rm eff}$ and $C$ have root mean squared fractional errors of
0.8%, 0.2% and 0.3%, respectively, for redshifts below 3 and a wide range of
cosmologies. The re-optimised halofit parameters reduce the root mean squared
fractional error from 3% to below 2% for wavenumbers $k=9\times10^{-3}-9 \,
h{\rm Mpc^{-1}}$. We introduce syren-halofit (symbolic-regression-enhanced
halofit), an extension to halofit containing a short symbolic correction which
improves this error to 1%. Our method is 2350 and 3170 times faster than
current halofit and hmcode implementations, respectively, and 2680 and 64 times
faster than EuclidEmulator2 (which requires running class) and the BACCO
emulator. We obtain comparable accuracy to EuclidEmulator2 and the BACCO
emulator when tested on $N$-body simulations. Our work greatly increases the
speed and accuracy of symbolic approximations to $P(k)$, making them
significantly faster than their numerical counterparts without loss of
accuracy.
- Abstract（参考訳）: 宇宙論パラメータと赤方偏移の関数としての非線形物質パワースペクトルの迅速かつ正確な評価は、宇宙論において基本的な重要性である。
解析近似は解釈可能な解を提供するが、現在の近似はブラックボックス数値エミュレータと比較して高速でも正確でもない。
シンボリック回帰法を用いて、非線形スケールに対する単純な解析近似である$k_\sigma$、有効スペクトル指数である$n_{\rm eff}$、およびハロフィットモデルに必要な曲率である$C$を得る。
次にハロフィットの係数を再最適化し、幅広い宇宙論と赤方偏移に適合させる。
次に、シンボリック回帰を利用して解析表現の空間を探索し、$p(k)$ と halofit の最適化された予測の間の残差に適合させる。
すべてのメソッドは$n$-bodyシミュレーションに対して検証される。
k_\sigma$, $n_{\rm eff}$ と $C$ の記号式はそれぞれ 3 以下の赤方偏移と幅広い宇宙論に対して 0.8%, 0.2%, 0.3% の根平均二乗誤差を持つ。
再最適化ハロフィットパラメータは、波数 $k=9\times10^{-3}-9 \, h{\rm mpc^{-1}}$ に対して、根平均二乗分数誤差を3%から2%以下に低減する。
本稿では,短い記号補正を含むハロフィットの拡張であるシレンハロフィット(シンボリック・レグレス・エンハンス・ハロフィット)を導入し,この誤差を1%に改善する。
本手法は,現在のhalofitおよびhmcodeの実装よりも2350および3170倍高速であり,euclidemulator2(実行クラスが必要)およびbaccoエミュレータよりも2680および64倍高速である。
n$-bodyシミュレーションでテストすると euclidemulator2 と bacco emulator に匹敵する精度が得られる。
我々の研究はシンボリック近似の速度と精度を$P(k)$に大きく上げ、精度を損なうことなく数値計算よりも大幅に速くする。
関連論文リスト
- syren-new: Precise formulae for the linear and nonlinear matter power spectra with massive neutrinos and dynamical dark energy [0.6825805890534121]
現在および将来の大規模構造調査は、ニュートリノ質量とダークエネルギーの状態の方程式を制約することを目的としている。
宇宙パラメータの関数として線形および非線形物質パワースペクトルに対する正確かつ解釈可能な記号近似を構築した。
本研究は, 線形および非線形物質パワースペクトルに対する電流シンボル近似の精度, 速度, 適用範囲を大幅に改善する。
論文 参考訳（メタデータ） (2024-10-18T17:22:38Z) - Approximation Rates for Shallow ReLU$^k$ Neural Networks on Sobolev Spaces via the Radon Transform [4.096453902709292]
我々は,ReLU$k$アクティベーション関数がソボレフ空間からの関数をいかに効率的に近似できるかという問題を考察する。
例えば、$qleq p$, $pgeq 2$, $s leq k + (d+1)/2$ などである。
論文 参考訳（メタデータ） (2024-08-20T16:43:45Z) - Targeted Variance Reduction: Robust Bayesian Optimization of Black-Box
Simulators with Noise Parameters [1.7404865362620803]
本稿では,TVR(Targeted Variance Reduction)と呼ばれるベイズ最適化手法を提案する。
TVR は $(mathbfx,boldsymboltheta)$ 以上の新しい共同獲得関数を利用しており、これは所望の改善領域内の目的に対する分散還元を目標としている。
自動車用ブレーキディスクの高剛性設計への一組の数値実験において,TVRの性能向上を実証した。
論文 参考訳（メタデータ） (2024-03-06T16:03:37Z) - A precise symbolic emulator of the linear matter power spectrum [0.28087862620958753]
我々は,効率的な遺伝的プログラミングに基づく記号回帰フレームワークを用いて,潜在的な数学的表現の空間を探索する。
根平均二乗分数誤差が$k = 9times10-3 - 9, hrm, Mpc-1$, および幅広い宇宙論的パラメータの間で0.2%となる線形パワースペクトルの解析近似を求める。
また、同様の精度で$sigma_8$の簡単な解析近似も提供し、同じ範囲の宇宙論で評価した場合、ルート平均2乗分数誤差はわずか0.1%となる。
論文 参考訳（メタデータ） (2023-11-27T14:33:21Z) - Estimating the minimizer and the minimum value of a regression function
under passive design [72.85024381807466]
最小値 $boldsymbolx*$ と最小値 $f*$ を滑らかで凸な回帰関数 $f$ で推定する新しい手法を提案する。
2次リスクと$boldsymbolz_n$の最適化誤差、および$f*$を推定するリスクについて、漸近的でない上界を導出する。
論文 参考訳（メタデータ） (2022-11-29T18:38:40Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Approximate Function Evaluation via Multi-Armed Bandits [51.146684847667125]
既知の滑らかな関数 $f$ の値を未知の点 $boldsymbolmu in mathbbRn$ で推定する問題について検討する。
我々は、各座標の重要性に応じてサンプルを学習するインスタンス適応アルゴリズムを設計し、少なくとも1-delta$の確率で$epsilon$の正確な推定値である$f(boldsymbolmu)$を返す。
論文 参考訳（メタデータ） (2022-03-18T18:50:52Z) - Reducing the Variance of Gaussian Process Hyperparameter Optimization
with Preconditioning [54.01682318834995]
プレコンディショニングは、行列ベクトル乗算を含む反復的な方法にとって非常に効果的なステップである。
プレコンディショニングには、これまで検討されていなかった付加的なメリットがあることを実証する。
基本的に無視可能なコストで、同時に分散を低減することができる。
論文 参考訳（メタデータ） (2021-07-01T06:43:11Z) - Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。
i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文 参考訳（メタデータ） (2020-07-16T06:44:44Z) - Zeroth-Order Regularized Optimization (ZORO): Approximately Sparse
Gradients and Adaptive Sampling [29.600975900977343]
我々はZOROと呼ばれる新しい$textbfZ$eroth-$textbfO$rder $textbfR$egularized $textbfO$ptimization法を提案する。
基礎となる勾配がイテレートでほぼスパースである場合、ZOROは目的関数を減少させる新しいイテレートを得るために、非常に少数の客観的関数評価を必要とする。
論文 参考訳（メタデータ） (2020-03-29T11:01:17Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。