論文の概要: Accelerating lensed quasars discovery and modeling with physics-informed variational autoencoders
- arxiv url: http://arxiv.org/abs/2412.12709v1
- Date: Tue, 17 Dec 2024 09:23:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-18 13:59:55.280636
- Title: Accelerating lensed quasars discovery and modeling with physics-informed variational autoencoders
- Title(参考訳): 物理インフォームド変分オートエンコーダを用いた加速レンズクエーサーの探索とモデリング
- Authors: Irham T. Andika, Stefan Schuldt, Sherry H. Suyu, Satadru Bag, Raoul Cañameras, Alejandra Melo, Claudio Grillo, James H. H. Chan,
- Abstract要約: 強いレンズを持つクエーサーは、宇宙膨張の速度に関する貴重な洞察を与える。
天体画像で検出することは、非レンズ天体の出現により困難である。
物理インフォームド変分オートエンコーダ上に構築したVariLensと呼ばれる生成型ディープラーニングモデルを開発した。
- 参考スコア(独自算出の注目度): 34.82692226532414
- License:
- Abstract: Strongly lensed quasars provide valuable insights into the rate of cosmic expansion, the distribution of dark matter in foreground deflectors, and the characteristics of quasar hosts. However, detecting them in astronomical images is difficult due to the prevalence of non-lensing objects. To address this challenge, we developed a generative deep learning model called VariLens, built upon a physics-informed variational autoencoder. This model seamlessly integrates three essential modules: image reconstruction, object classification, and lens modeling, offering a fast and comprehensive approach to strong lens analysis. VariLens is capable of rapidly determining both (1) the probability that an object is a lens system and (2) key parameters of a singular isothermal ellipsoid (SIE) mass model -- including the Einstein radius ($\theta_\mathrm{E}$), lens center, and ellipticity -- in just milliseconds using a single CPU. A direct comparison of VariLens estimates with traditional lens modeling for 20 known lensed quasars within the Subaru Hyper Suprime-Cam (HSC) footprint shows good agreement, with both results consistent within $2\sigma$ for systems with $\theta_\mathrm{E}<3$ arcsecs. To identify new lensed quasar candidates, we begin with an initial sample of approximately 80 million sources, combining HSC data with multiwavelength information from various surveys. After applying a photometric preselection aimed at locating $z>1.5$ sources, the number of candidates is reduced to 710,966. Subsequently, VariLens highlights 13,831 sources, each showing a high likelihood of being a lens. A visual assessment of these objects results in 42 promising candidates that await spectroscopic confirmation. These results underscore the potential of automated deep learning pipelines to efficiently detect and model strong lenses in large datasets.
- Abstract(参考訳): 強いレンズを持つクエーサーは、宇宙膨張速度、前景の偏向器におけるダークマターの分布、およびクエーサーホストの特性に関する貴重な洞察を与える。
しかし, 天体画像から検出することは, 非レンズ天体の出現率が高いため困難である。
この課題に対処するため,物理インフォームド変分オートエンコーダをベースとしたVariLensという生成型ディープラーニングモデルを開発した。
このモデルは画像再構成、オブジェクト分類、レンズモデリングの3つの重要なモジュールをシームレスに統合し、強力なレンズ解析に対する高速かつ包括的なアプローチを提供する。
VariLens は(1) 物体がレンズ系である確率と(2) 唯一の等温楕円体(SIE)質量モデル(アインシュタイン半径 (\theta_\mathrm{E}$)、レンズ中心、楕円性を含む)の鍵パラメータの両方をたったミリ秒で素早く決定することができる。
VariLensの推定値と、Subaru Hyper Suprime-Cam (HSC)フットプリント内の20の既知のレンズクエーサーに対する従来のレンズモデルとの直接比較は、どちらも$\theta_\mathrm{E}<3$ arcsecs を持つシステムに対して$2\sigma$以内で一致していることを示す。
新しいレンズ付きクエーサー候補を特定するために,HSCデータと各種サーベイからのマルチ波長情報を組み合わせた,約8000万ソースの初期サンプルから始める。
$z>1.5$ソースの特定を目的とした測光事前選択を適用すると、候補数は710,966に削減される。
その後、VariLensは13,831個のソースをハイライトし、それぞれがレンズになる可能性が高いことを示している。
これらの物体の視覚的評価は、分光確認を待つ42の有望な候補をもたらす。
これらの結果は、大規模なデータセットで強力なレンズを効率的に検出し、モデル化するための、自動化されたディープラーニングパイプラインの可能性を強調している。
関連論文リスト
- CSST Strong Lensing Preparation: a Framework for Detecting Strong Lenses in the Multi-color Imaging Survey by the China Survey Space Telescope (CSST) [25.468504540327498]
強い重力レンズはダークマターとダークエネルギー特性を研究する強力なツールである。
我々は,階層型視覚変換器をベースとしたスライディングウインドウ技術を用いて,画像全体に強いレンズシステムを求めるフレームワークを開発した。
我々のフレームワークは、それぞれ0.98と0.90の精度とリコール率を達成する。
論文 参考訳(メタデータ) (2024-04-02T09:44:30Z) - Streamlined Lensed Quasar Identification in Multiband Images via
Ensemble Networks [34.82692226532414]
強いレンズを経験するクエーサーは、宇宙膨張速度、暗黒物質、およびクエーサーホスト銀河に関連する主題に独自の視点を与える。
我々は,現実的な銀河・クエーサーレンズシミュレーションに基づいて訓練された最先端畳み込みネットワーク(CNN)を組み込むことにより,新しいアプローチを開発した。
我々は親標本として約6000万個の情報源を検索し、光度測定によるクエーサーを$theta_mathrmE5$arcsecのEinstein radiiで発見した後、これを892,609個に減らした。
論文 参考訳(メタデータ) (2023-07-03T15:09:10Z) - PAC-NeRF: Physics Augmented Continuum Neural Radiance Fields for
Geometry-Agnostic System Identification [64.61198351207752]
ビデオからのシステム同定(オブジェクトの物理的パラメータを推定する)への既存のアプローチは、既知のオブジェクトジオメトリを仮定する。
本研究では,オブジェクトの形状やトポロジを仮定することなく,多視点ビデオの集合から物理系を特徴付けるパラメータを同定することを目的とする。
マルチビュービデオから高ダイナミックな物体の未知の幾何学的パラメータと物理的パラメータを推定するために,Physics Augmented Continuum Neural Radiance Fields (PAC-NeRF)を提案する。
論文 参考訳(メタデータ) (2023-03-09T18:59:50Z) - When Spectral Modeling Meets Convolutional Networks: A Method for
Discovering Reionization-era Lensed Quasars in Multi-band Imaging Data [0.0]
画像に基づく深層学習により実装された新しい空間幾何学的ベト基準を導入する。
我々は、この手法の最初の応用を、イオン化時代のレンズ付きクエーサーの体系的な探索に適用する。
トレーニングデータセットは、実際の銀河画像の上に偏向した点光源の光を塗って、現実的な銀河クエーサーレンズモデルを生成することで構築される。
論文 参考訳(メタデータ) (2022-11-26T11:27:13Z) - Strong Gravitational Lensing Parameter Estimation with Vision
Transformer [2.0996675418033623]
31,200枚の強く照らされたクエーサー画像を用いて、我々は初めて強い重力レンズのシミュレーションにビジョントランスフォーマー(ViT)を用いた。
我々は、ViTがCNNと比較して競争力のある結果に達する可能性を示し、特にいくつかのレンズパラメータに長けていることを示す。
論文 参考訳(メタデータ) (2022-10-09T02:32:29Z) - DeepGraviLens: a Multi-Modal Architecture for Classifying Gravitational
Lensing Data [3.4138918206057265]
DeepGraviLensは、1つの非レンズ系と3つのレンズ系に属する時間データを分類する新しいネットワークである。
検討されたデータセットに応じて、アート精度の現在の状態を$approx 3%$から$approx 11%$に上回る。
論文 参考訳(メタデータ) (2022-05-02T07:45:51Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳(メタデータ) (2021-10-27T07:18:32Z) - DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts
using Deep Learning [70.80563014913676]
本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。
我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
論文 参考訳(メタデータ) (2020-11-24T22:51:08Z) - Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。
本手法では, 回折光学素子 (DOE) を用いる。
DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文 参考訳(メタデータ) (2020-09-01T14:19:35Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳(メタデータ) (2020-06-01T14:25:38Z)
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。