論文の概要: Flow-Based Generative Emulation of Grids of Stellar Evolutionary Models
- arxiv url: http://arxiv.org/abs/2407.09427v1
- Date: Fri, 12 Jul 2024 16:54:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-15 22:39:07.744087
- Title: Flow-Based Generative Emulation of Grids of Stellar Evolutionary Models
- Title（参考訳）: 定常進化モデルのグリッドのフローベース生成エミュレーション
- Authors: Marc Hon, Yaguang Li, Joel Ong,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.713280433864737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a flow-based generative approach to emulate grids of stellar evolutionary models. By interpreting the input parameters and output properties of these models as multi-dimensional probability distributions, we train conditional normalizing flows to learn and predict the complex relationships between grid inputs and outputs in the form of conditional joint distributions. Leveraging the expressive power and versatility of these flows, we showcase their ability to emulate a variety of evolutionary tracks and isochrones across a continuous range of input parameters. In addition, we describe a simple Bayesian approach for estimating stellar parameters using these flows and demonstrate its application to asteroseismic datasets of red giants observed by the Kepler mission. By applying this approach to red giants in open clusters NGC 6791 and NGC 6819, we illustrate how large age uncertainties can arise when fitting only to global asteroseismic and spectroscopic parameters without prior information on initial helium abundances and mixing length parameter values. We also conduct inference using the flow at a large scale by determining revised estimates of masses and radii for 15,388 field red giants. These estimates show improved agreement with results from existing grid-based modelling, reveal distinct population-level features in the red clump, and suggest that the masses of Kepler red giants previously determined using the corrected asteroseismic scaling relations have been overestimated by 5-10%.
- Abstract（参考訳）: 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。
これらのモデルの入力パラメータと出力特性を多次元確率分布として解釈することにより、条件付き正規化フローを訓練し、条件付きジョイント分布の形でグリッド入力と出力の間の複雑な関係を学習し、予測する。
これらのフローの表現力と汎用性を活用して、様々な進化的トラック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。
さらに、これらの流れを用いて恒星パラメータを推定するための単純なベイズ的アプローチについて述べるとともに、ケプラー計画によって観測された赤色巨星の天体統計データセットへの応用を実証する。
開星団NGC 6791とNGC 6819の赤色巨星にこのアプローチを適用することで、初期ヘリウムの存在量や混合長パラメータ値の事前情報なしに、地球規模の天体・分光パラメータにのみ適合して、大きめの年齢不確かさが生じることを示す。
また,15,388個の赤色巨星の質量と半径の補正された推定値を決定することにより,大規模に流れを用いた推論を行う。
これらの推定は、既存のグリッドベースモデリングの結果との一致を改善し、レッド・クランプの個体群レベルの特徴を明らかにし、補正されたアテロソシズムのスケーリング関係を用いて以前に決定されたケプラー・レッド・ジャイアントの質量が5-10%過大評価されたことを示唆している。
関連論文リスト
- A Generalized Unified Skew-Normal Process with Neural Bayes Inference [1.5388334141379898]
近年、統計学者は非対称性や重尾のような非ガウス的な振る舞いを示す空間データに遭遇している。
ガウスモデルの限界に対処するため、様々な歪んだモデルが提案され、その人気は急速に高まっている。
文学における様々な提案の中で、統一スキュー・ノルマル(SUN)のような統一スキュー分布が注目されている。
論文 参考訳（メタデータ） (2024-11-26T13:00:39Z) - Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling [9.386611764730791]
本稿では,銀河団のガス・ダークマター投影密度マップをスコアベース生成モデルを用いて再構成する手法を提案する。
拡散モデルでは, 模擬SZおよびX線像を条件付き観測として捉え, 学習データ後部からのサンプリングにより, 対応するガスおよびダークマターマップの実現を図っている。
論文 参考訳（メタデータ） (2024-10-03T18:00:03Z) - A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [6.647819824559201]
本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。
その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
論文 参考訳（メタデータ） (2024-10-02T20:46:21Z) - 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) - Diffusion-HMC: Parameter Inference with Diffusion Model driven Hamiltonian Monte Carlo [2.048226951354646]
この研究は、単一拡散生成モデルを用いて、観測された天体物理学分野の予測を理論から生成し、これらの予測を用いた観測から物理的モデルを制約する、相互に繋がった目的に対処する。
拡散生成モデルの近似的近似性を利用して、ハミルトニアンモンテカルロ法を用いて、与えられたテスト画像の宇宙論的パラメータの後方をサンプリングすることで、宇宙論の厳密な制約を導出する。
論文 参考訳（メタデータ） (2024-05-08T17:59:03Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳（メタデータ） (2023-05-30T19:16:44Z) - An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。
生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。
実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文 参考訳（メタデータ） (2022-04-19T10:51:00Z) - Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。
近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。
DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
論文 参考訳（メタデータ） (2022-02-28T15:53:10Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Constraining the Reionization History using Bayesian Normalizing Flows [10.28074017512078]
本稿では,4つの天体物理および宇宙論的パラメータの後方分布を予測するためにベイズニューラルネットワーク(BNN)を用いた。
提案手法は,最先端予測性能の達成に加えて,パラメータの不確かさの正確な推定と,それらの相関関係の推測を行う。
論文 参考訳（メタデータ） (2020-05-14T23:00:55Z) - Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。
本稿では,非自明なERGに対する近似フレームワークを提案する。
我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文 参考訳（メタデータ） (2020-02-14T11:42:16Z)
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。