論文の概要: syren-new: Precise formulae for the linear and nonlinear matter power spectra with massive neutrinos and dynamical dark energy
- arxiv url: http://arxiv.org/abs/2410.14623v1
- Date: Fri, 18 Oct 2024 17:22:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-21 14:27:10.253737
- Title: syren-new: Precise formulae for the linear and nonlinear matter power spectra with massive neutrinos and dynamical dark energy
- Title（参考訳）: サイレンニュー:巨大ニュートリノと動的暗黒エネルギーを持つ線形および非線形物質パワースペクトルの精密式
- Authors: Ce Sui, Deaglan J. Bartlett, Shivam Pandey, Harry Desmond, Pedro G. Ferreira, Benjamin D. Wandelt,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6825805890534121
- License:
- Abstract: Current and future large scale structure surveys aim to constrain the neutrino mass and the equation of state of dark energy. We aim to construct accurate and interpretable symbolic approximations to the linear and nonlinear matter power spectra as a function of cosmological parameters in extended $\Lambda$CDM models which contain massive neutrinos and non-constant equations of state for dark energy. This constitutes an extension of the syren-halofit emulators to incorporate these two effects, which we call syren-new (SYmbolic-Regression-ENhanced power spectrum emulator with NEutrinos and $W_0-w_a$). We also obtain a simple approximation to the derived parameter $\sigma_8$ as a function of the cosmological parameters for these models. Our results for the linear power spectrum are designed to emulate CLASS, whereas for the nonlinear case we aim to match the results of EuclidEmulator2. We compare our results to existing emulators and $N$-body simulations. Our analytic emulators for $\sigma_8$, the linear and nonlinear power spectra achieve root mean squared errors of 0.1%, 0.3% and 1.3%, respectively, across a wide range of cosmological parameters, redshifts and wavenumbers. We verify that emulator-related discrepancies are subdominant compared to observational errors and other modelling uncertainties when computing shear power spectra for LSST-like surveys. Our expressions have similar accuracy to existing (numerical) emulators, but are at least an order of magnitude faster, both on a CPU and GPU. Our work greatly improves the accuracy, speed and range of applicability of current symbolic approximations to the linear and nonlinear matter power spectra. We provide publicly available code for all symbolic approximations found.
- Abstract（参考訳）: 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。
我々は,大質量ニュートリノとダークエネルギーの非定常方程式を含む拡張$\Lambda$CDMモデルにおけ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な,解釈可能な記号近似を構築することを目的とする。
これは、シレン・ハロフィットエミュレータを拡張してこれら2つの効果を組み込む(SYmbolic-Regression-enhanced power spectrum emulator with NEutrinos and $W_0-w_a$)。
また、これらのモデルに対する宇宙パラメータの関数として、導出パラメータ $\sigma_8$ に対する簡単な近似を得る。
線形パワースペクトルの結果はCLASSをエミュレートするが、非線形の場合、EuclidEmulator2の結果と一致する。
既存のエミュレータや$N$-bodyシミュレーションと比較した。
線形および非線形パワースペクトルである$\sigma_8$の解析エミュレータは、幅広い宇宙パラメータ、赤方偏移、波数でそれぞれ0.1%、0.3%、および1.3%の根平均二乗誤差を達成する。
我々は,LSSTライクなサーベイに対するせん断パワースペクトルの計算において,エミュレータ関連の不一致が観測誤差や他のモデリングの不確かさと比較して劣等であることを確認した。
私たちの式は、既存の(数値的な)エミュレータと同じような精度を持っていますが、CPUとGPUの両方で、少なくとも1桁高速です。
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。
得られたすべてのシンボリック近似に対して、公開されているコードを提供します。
関連論文リスト
- syren-halofit: A fast, interpretable, high-precision formula for the $Λ$CDM nonlinear matter power spectrum [0.0]
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。
この結果はEuclidEmulator2の予測に合致するように設計されている。
論文 参考訳（メタデータ） (2024-02-27T13:18:00Z) - 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) - Fast emulation of cosmological density fields based on dimensionality
reduction and supervised machine-learning [0.0]
簡単な機械学習手法を用いて,高速暗黒物質密度場エミュレーションを競合精度で実行可能であることを示す。
異なる宇宙パラメータに対する新しい密度立方体は、新しいN体シミュレーションに直接頼らずに推定できる。
論文 参考訳（メタデータ） (2023-04-12T18:29:26Z) - 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) - Softmax-free Linear Transformers [90.83157268265654]
視覚変換器(ViT)は、視覚知覚タスクの最先端を推し進めている。
既存の手法は理論的に欠陥があるか、視覚認識に経験的に効果がないかのいずれかである。
我々はSoftmax-Free Transformers (SOFT) のファミリーを提案する。
論文 参考訳（メタデータ） (2022-07-05T03:08:27Z) - Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。
近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。
我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
論文 参考訳（メタデータ） (2022-06-27T13:46:51Z) - Field Level Neural Network Emulator for Cosmological N-body Simulations [7.051595217991437]
非線形状態において高精度な宇宙構造形成のためのフィールドレベルエミュレータを構築した。
我々は、2つの畳み込みニューラルネットワークを用いて、N体シミュレーション粒子の非線形変位と速度を出力する。
論文 参考訳（メタデータ） (2022-06-09T16:21:57Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Probabilistic Inference of Simulation Parameters via Parallel
Differentiable Simulation [34.30381620584878]
実世界の計測を正確に再現するには、シミュレーターが適切な物理系のモデルを持つ必要がある。
ベイズ推定手法を用いてパラメータを推定する後者の問題に対処する。
我々は、GPUコード生成と微分可能シミュレーションを利用して、多くの粒子に対するその可能性とその勾配を並列に評価する。
論文 参考訳（メタデータ） (2021-09-18T03:05:44Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z) - 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。