論文の概要: Fast Inference Using Automatic Differentiation and Neural Transport in Astroparticle Physics
- arxiv url: http://arxiv.org/abs/2405.14932v1
- Date: Thu, 23 May 2024 18:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 19:37:06.260143
- Title: Fast Inference Using Automatic Differentiation and Neural Transport in Astroparticle Physics
- Title(参考訳): 粒子物理における自動微分とニューラルトランスポートを用いた高速推論
- Authors: Dorian W. P. Amaral, Shixiao Liang, Juehang Qin, Christopher Tunnell,
- Abstract要約: 多次元パラメータ空間は、アストロ粒子物理学の理論でよく見られる。
彼らはしばしば、このコミュニティに伝統ある技法を使って横断するのに高価である複雑な後部幾何学を持っている。
この分野に進出し始めたばかりの最近のイノベーションは、そのような複雑な後部をナビゲートすることを可能にした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-dimensional parameter spaces are commonly encountered in astroparticle physics theories that attempt to capture novel phenomena. However, they often possess complicated posterior geometries that are expensive to traverse using techniques traditional to this community. Effectively sampling these spaces is crucial to bridge the gap between experiment and theory. Several recent innovations, which are only beginning to make their way into this field, have made navigating such complex posteriors possible. These include GPU acceleration, automatic differentiation, and neural-network-guided reparameterization. We apply these advancements to astroparticle physics experimental results in the context of novel neutrino physics and benchmark their performances against traditional nested sampling techniques. Compared to nested sampling alone, we find that these techniques increase performance for both nested sampling and Hamiltonian Monte Carlo, accelerating inference by factors of $\sim 100$ and $\sim 60$, respectively. As nested sampling also evaluates the Bayesian evidence, these advancements can be exploited to improve model comparison performance while retaining compatibility with existing implementations that are widely used in the natural sciences.
- Abstract(参考訳): 多次元パラメータ空間は、新しい現象を捉えようとする天体物理学理論でよく見られる。
しかし、地域社会に伝統ある技法を使って横断するのに高価な複雑な後部ジオメトリーをしばしば持っている。
これらの空間を効果的にサンプリングすることは、実験と理論の間のギャップを埋めるのに不可欠である。
この分野に進出し始めたばかりの最近のいくつかの革新は、そのような複雑な後部をナビゲートすることを可能にした。
その中には、GPUアクセラレーション、自動微分、ニューラルネットワーク誘導型パラメータ化などがある。
これらの進歩を、新しいニュートリノ物理学の文脈において、宇宙粒子物理学の実験結果に適用し、従来のネストサンプリング技術と比較して、それらの性能をベンチマークする。
ネストサンプリング単独と比較して、これらの手法はネストサンプリングとハミルトンモンテカルロの両方のパフォーマンスを高め、それぞれ$\sim 100$と$\sim 60$の因子による推論を加速させる。
ネストサンプリングはベイズ証拠も評価するので、これらの進歩は、自然科学で広く使われている既存の実装との互換性を維持しながら、モデル比較性能を向上させるために利用することができる。
関連論文リスト
- A comparison of Bayesian sampling algorithms for high-dimensional particle physics and cosmology applications [0.0]
我々は,マルコフ・チェイン・モンテカルロ(MCMC)とネストサンプリング手法を幅広く検討し,比較した。
ネストサンプリング手法を用いて最も容易に解けると広く考えられているいくつかの例は、現代のMCMCアルゴリズムによりより効率的に解けることを示す。
論文 参考訳(メタデータ) (2024-09-27T05:57:48Z) - von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。
後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文 参考訳(メタデータ) (2024-06-19T01:57:21Z) - Cascaded Multiparameter Quantum Metrology [0.0]
スクイージングは古典状態の感度を$e2r$で量子的に向上させ、$r approx 1$はスクイージングパラメータであることを示す。
我々は、同じ経路に沿って複数の位相シフトを検知する干渉計をモデル化し、コヒーレント状態と圧縮真空を組み合わせることで、最大量子優位性を実証した。
論文 参考訳(メタデータ) (2023-04-17T18:22:48Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳(メタデータ) (2023-03-10T20:36:23Z) - FaDIn: Fast Discretized Inference for Hawkes Processes with General
Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。
脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。
その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文 参考訳(メタデータ) (2022-10-10T12:35:02Z) - Arbitrary Marginal Neural Ratio Estimation for Simulation-based
Inference [7.888755225607877]
本稿では,数値積分に頼らずにパラメータの任意の部分集合に対する償却推論を可能にする新しい手法を提案する。
重力波観測による二元ブラックホール系のパラメータ推定法の適用性を示す。
論文 参考訳(メタデータ) (2021-10-01T14:35:46Z) - Spin many-body phases in standard and topological waveguide QED
simulators [68.8204255655161]
導波路QEDセットアップを用いた量子スピンモデルの多体挙動について検討する。
他のプラットフォームで得られたものとは異なる、新しい多体フェーズが見つかる。
論文 参考訳(メタデータ) (2021-06-22T09:44:20Z) - Continuous normalizing flows on manifolds [0.342658286826597]
本稿では,最近導入されたニューラルODEと連続正規化フローを任意の滑らかな多様体に拡張する方法について述べる。
本稿では,これらの空間上のベクトル場をパラメータ化するための一般的な手法を提案する。
論文 参考訳(メタデータ) (2021-03-14T15:35:19Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳(メタデータ) (2020-09-28T15:05:39Z) - A quantum algorithm for model independent searches for new physics [0.0]
多次元双対コライダーデータにおける非モデル化異常を探索するための新しい量子手法を提案する。
我々は、イジング格子スピンサイトを各ビンに関連付け、観測データから好適に構築する。
データ中の空間的に相関する異常を捉えるために,近隣のサイト間のスピンスピン相互作用を導入する。
論文 参考訳(メタデータ) (2020-03-04T16:51:25Z)
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。