論文の概要: Galaxy spectroscopy without spectra: Galaxy properties from photometric images with conditional diffusion models

• arxiv url: http://arxiv.org/abs/2406.18175v2
• Date: Mon, 28 Oct 2024 11:14:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 16:01:00.440362
• Title: Galaxy spectroscopy without spectra: Galaxy properties from photometric images with conditional diffusion models
• Title（参考訳）: スペクトルのない銀河分光:条件拡散モデルを用いた測光画像からの銀河特性
• Authors: Lars Doorenbos, Eva Sextl, Kevin Heng, Stefano Cavuoti, Massimo Brescia, Olena Torbaniuk, Giuseppe Longo, Raphael Sznitman, Pablo Márquez-Neila,
• Abstract要約: 我々は、測光広帯域画像のみから光銀河スペクトルを予測できる生成AI法を開発した。 この研究は、測光画像から速度分散を推定するための文献における最初の試みである。 活動銀河核の存在を82%の精度で予測できる。
• 参考スコア（独自算出の注目度）: 3.556281115019309
• License:
• Abstract: Modern spectroscopic surveys can only target a small fraction of the vast amount of photometrically cataloged sources in wide-field surveys. Here, we report the development of a generative AI method capable of predicting optical galaxy spectra from photometric broad-band images alone. This method draws from the latest advances in diffusion models in combination with contrastive networks. We pass multi-band galaxy images into the architecture to obtain optical spectra. From these, robust values for galaxy properties can be derived with any methods in the spectroscopic toolbox, such as standard population synthesis techniques and Lick indices. When trained and tested on 64x64-pixel images from the Sloan Digital Sky Survey, the global bimodality of star-forming and quiescent galaxies in photometric space is recovered, as well as a mass-metallicity relation of star-forming galaxies. The comparison between the observed and the artificially created spectra shows good agreement in overall metallicity, age, Dn4000, stellar velocity dispersion, and E(B-V) values. Photometric redshift estimates of our generative algorithm can compete with other current, specialized deep-learning techniques. Moreover, this work is the first attempt in the literature to infer velocity dispersion from photometric images. Additionally, we can predict the presence of an active galactic nucleus up to an accuracy of 82%. With our method, scientifically interesting galaxy properties, normally requiring spectroscopic inputs, can be obtained in future data sets from large-scale photometric surveys alone. The spectra prediction via AI can further assist in creating realistic mock catalogs.
• Abstract（参考訳）: 現代の分光調査は、広い分野のサーベイにおいて、膨大な量の測光源のごく一部しか対象にできない。 本稿では,光測度広帯域画像のみから光銀河スペクトルを予測できる生成AI手法の開発について報告する。 この手法は, 拡散モデルとコントラストネットワークを併用した最新の拡散モデルから導かれる。 マルチバンド・ギャラクシー・イメージをアーキテクチャに渡して光学スペクトルを得る。 これらのことから、銀河の性質に対するロバストな値は、標準集団合成技術やリック指数のような分光ツールボックスのあらゆる方法で導出することができる。 スローンデジタルスカイサーベイ(Sloan Digital Sky Survey)から64x64ピクセルの画像でトレーニングされ、テストされると、光度空間における星形成銀河と銀河のグローバルバイモーフィズムと、星形成銀河の質量-金属関係が回復する。 観測されたスペクトルと人工的なスペクトルの比較は、全体の金属度、年齢、Dn4000、恒星速度の分散、E(B-V)値において良好な一致を示した。 我々の生成アルゴリズムの光度赤偏移推定は、他の既存の専門的なディープラーニング技術と競合することができる。 さらに、この研究は、測光画像から速度分散を推定する文献としては初めての試みである。 さらに、活動銀河核の存在を82%の精度で予測することができる。 我々の方法では、科学的に興味深い銀河の性質は、通常分光的な入力を必要とするが、大規模な測光測量だけで将来のデータセットから得られる。 AIによるスペクトル予測は、リアルなモックカタログの作成をさらに支援することができる。

関連論文リスト

• Single-photon super-resolved spectroscopy from spatial-mode demultiplexing [0.0]
  サブ回折分解能を持つ非コヒーレント光の分光を実証する。 回折限界以下で分離された一対の不整点状の音源のスペクトルを解析する。 太陽系外惑星の大気スペクトロスコピーを強化するための応用が提案されている。
  論文  参考訳（メタデータ） (2024-09-02T11:54:18Z)
• 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)
• AstroCLIP: A Cross-Modal Foundation Model for Galaxies [40.43521617393482]
  AstroCLIPは、銀河の画像とスペクトルを個別に埋め込むため、トランスフォーマーベースの画像とスペクトルエンコーダを自己監督設定で事前訓練する。 教師付きベースラインと比較しても、下流のタスクで顕著なパフォーマンスが得られます。 提案手法は、銀河の画像とスペクトルの自己教師型変換器に基づく最初のアーキテクチャである。
  論文  参考訳（メタデータ） (2023-10-04T17:59:38Z)
• On-chip quantum information processing with distinguishable photons [55.41644538483948]
  多光子干渉は光量子技術の中心にある。 そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。 ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
  論文  参考訳（メタデータ） (2022-10-14T18:16:49Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• 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)
• Realistic galaxy image simulation via score-based generative models [0.0]
  本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。 主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
  論文  参考訳（メタデータ） (2021-11-02T16:27:08Z)
• Optical Wavelength Guided Self-Supervised Feature Learning For Galaxy Cluster Richness Estimate [19.931461685031383]
  マルチバンド光画像から光リッチ度を推定するための自己教師型アプローチを提案する。 提案手法をSloan Digital Sky Surveyに適用する。
  論文  参考訳（メタデータ） (2020-12-04T02:21:00Z)
• Predicting galaxy spectra from images with hybrid convolutional neural networks [0.0]
  バッチ正規化の代わりにデコンボリューションを伴うハイブリッド畳み込みニューラルネットワークを用いた強力な新しいアプローチを提案する。 銀河画像とスペクトルの間の学習されたマッピングは、将来の広視野探査に革命をもたらすだろう。
  論文  参考訳（メタデータ） (2020-09-25T16:16:16Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。