論文の概要: Inferring the Morphology of the Galactic Center Excess with Gaussian Processes

• arxiv url: http://arxiv.org/abs/2410.21367v1
• Date: Mon, 28 Oct 2024 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:39:37.612982
• Title: Inferring the Morphology of the Galactic Center Excess with Gaussian Processes
• Title（参考訳）: ガウス過程による銀河中心物質の形態推定
• Authors: Edward D. Ramirez, Yitian Sun, Matthew R. Buckley, Siddharth Mishra-Sharma, Tracy R. Slatyer,
• Abstract要約: フレキシブルで非パラメトリックな機械学習モデル -- Gaussian Process (GP) -- を用いて、Galactic Center Excessを記述する。 拡散ガンマ線エミッションモデリングに伴う適合の系統的不確かさを定量化する。 以上の結果から,GCEの恒星膨らみやNFW様成分の物理的解釈は,仮定された形態に非常に敏感であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.3276793654637396
• License:
• Abstract: Descriptions of the Galactic Center using Fermi gamma-ray data have so far modeled the Galactic Center Excess (GCE) as a template with fixed spatial morphology or as a linear combination of such templates. Although these templates are informed by various physical expectations, the morphology of the excess is a priori unknown. For the first time, we describe the GCE using a flexible, non-parametric machine learning model -- the Gaussian process (GP). We assess our model's performance on synthetic data, demonstrating that the model can recover the templates used to generate the data. We then fit the \Fermi data with our model in a single energy bin from 2-20 GeV (leaving a spectral GP analysis of the GCE for future work) using a variety of template models of diffuse gamma-ray emission to quantify our fits' systematic uncertainties associated with diffuse emission modeling. We interpret our best-fit GP in terms of GCE templates consisting of an NFW squared template and a bulge component to determine which bulge models can best describe the fitted GP and to what extent the best-fit GP is described better by an NFW squared template versus a bulge template. The best-fit GP contains morphological features that are typically not associated with traditional GCE studies. These include a localized bright source at around $(\ell,b) = (20^{\circ}, 0^{\circ})$ and a diagonal arm extending Northwest from the Galactic Center. In spite of these novel features, the fitted GP is explained best by a template-based model consisting of the bulge presented in Coleman et al. (2020) and a squared NFW component. Our results suggest that the physical interpretation of the GCE in terms of stellar bulge and NFW-like components is highly sensitive to the assumed morphologies, background models, and the region of the sky used for inference.
• Abstract（参考訳）: フェルミガンマ線データを用いた銀河中心の記述は、これまで、GCE(Galactic Center Excess)を固定空間形態を持つテンプレート、またはそのようなテンプレートの線形結合としてモデル化してきた。 これらのテンプレートは様々な物理的期待によって通知されるが、余剰の形態は未定である。 柔軟性のある非パラメトリック機械学習モデルであるGaussian Process(GP)を用いて、GCEを初めて記述する。 モデルの性能を合成データで評価し、モデルがデータを生成するのに使用するテンプレートを復元できることを実証する。 次に、拡散ガンマ線放射の様々なテンプレートモデルを用いて、2-20GeV(今後の研究のためにGCEのスペクトルGP分析を継続する)から得られた1つのエネルギービンにモデルとFermiデータを適合させ、拡散ガンマ線放射モデルに関連する我々の適合の系統的不確かさを定量化する。 我々は,NFW正方形テンプレートとバルジ成分からなるGCEテンプレートを用いて,最も適したGPを解釈し,どのバルジモデルが適合したGPを最もよく記述できるかをNFW正方形テンプレートとバルジテンプレートとで判断する。 最も適したGPは、通常、従来のGCE研究と関係のない形態学的特徴を含む。 これらには、約$(\ell,b) = (20^{\circ}, 0^{\circ})$の局所的な光源と、銀河センターから北西に伸びる対角アームが含まれる。 これらの特徴にもかかわらず、適合したGPはColeman et al (2020) で提示されたバルジと2乗NFW成分からなるテンプレートベースのモデルによって最もよく説明される。 以上の結果から,GCEの恒星膨らみやNFW様成分の物理的解釈は,推定した形態や背景モデル,推測に用いる空の領域に非常に敏感であることが示唆された。

関連論文リスト

• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• Wasserstein proximal operators describe score-based generative models and resolve memorization [12.321631823103894]
  We first formulate SGMs with terms of Wasserstein proximal operator (WPO) We show that WPO describe the inductive bias of diffusion and score-based model。 本稿では,SGMの性能を劇的に向上させる,スコア関数の解釈可能なカーネルベースモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-09T03:33:13Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
  本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。 本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
  論文  参考訳（メタデータ） (2023-07-05T18:14:38Z)
• Additive Multi-Index Gaussian process modeling, with application to multi-physics surrogate modeling of the quark-gluon plasma [1.7368964547487395]
  クォーク・グルーオンプラズマ(Quark-Gluon Plasma、QGP)は、ビッグバンの直後に宇宙を埋めたと理論化されている核物質のユニークな相である。 実験観測対象を理論パラメータで整合させるためには、高次元のパラメータ空間上での複雑な物理モデルの多くのシミュレーション実行が必要である。 本稿では,パラメータ空間の低次元埋め込みに柔軟な加法構造を利用するAdMIn-GP(Adjectitive Multi-Index Gaussian Process)モデルを提案する。
  論文  参考訳（メタデータ） (2023-06-11T02:42:09Z)
• Intercomparison of Brown Dwarf Model Grids and Atmospheric Retrieval Using Machine Learning [0.0]
  本研究は, 以前に公表された14個のブラウンドロームのモデルグリッドの情報量について検討する。 ランダムフォレスト法により,これらのモデルグリッドの予測力を解析することができる。 我々は, 選択したモデルグリッドとは独立して, ブラウンドロームの有効温度を強く予測できることを見出した。
  論文  参考訳（メタデータ） (2023-05-12T18:20:38Z)
• Riemannian Score-Based Generative Modeling [56.20669989459281]
  経験的性能を示すスコアベース生成モデル(SGM)を紹介する。 現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。 これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
  論文  参考訳（メタデータ） (2022-02-06T11:57:39Z)
• Scalable mixed-domain Gaussian process modeling and model reduction for longitudinal data [5.00301731167245]
  混合領域共分散関数に対する基底関数近似スキームを導出する。 我々は,GPモデルの精度をランタイムのごく一部で正確に近似できることを示す。 また、より小さく、より解釈可能なモデルを得るためのスケーラブルなモデルリダクションワークフローを実証する。
  論文  参考訳（メタデータ） (2021-11-03T04:47:37Z)
• tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for Template-Based Modelling Structure Refinement [53.98034511648985]
  現在のテンプレートベースのモデリングアプローチは2つの重要な問題に苦しんでいる。 テンプレートの異なる領域からの距離対の精度は様々であり、この情報はモデリングにはあまり導入されていない。 2つのニューラルネットワークモデルは、欠落した領域の距離情報と、テンプレートモデリング構造における異なる領域の距離ペアの精度を予測する。
  論文  参考訳（メタデータ） (2021-05-10T13:32:12Z)
• Warped Gaussian Processes in Remote Sensing Parameter Estimation and Causal Inference [7.811118301686077]
  マルチスペクトルデータから海洋クロロフィル含有量を推定するための提案モデルの良好な性能を示す。 モデルは標準GPおよびより高度のheteroscedastic GPモデルより一貫してよく実行します。
  論文  参考訳（メタデータ） (2020-12-09T09:02:59Z)
• Mix Dimension in Poincar\'{e} Geometry for 3D Skeleton-based Action Recognition [57.98278794950759]
  グラフ畳み込みネットワーク(GCN)はすでに、不規則なデータをモデル化する強力な能力を実証している。 本稿では,ポアンカー幾何学を用いて定義した空間時空間GCNアーキテクチャを提案する。 提案手法を,現在最大規模の2つの3次元データセット上で評価する。
  論文  参考訳（メタデータ） (2020-07-30T18:23:18Z)

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。