論文の概要: Fast Sampling of Cosmological Initial Conditions with Gaussian Neural Posterior Estimation

• arxiv url: http://arxiv.org/abs/2502.03139v1
• Date: Wed, 05 Feb 2025 13:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-06 14:26:29.211589
• Title: Fast Sampling of Cosmological Initial Conditions with Gaussian Neural Posterior Estimation
• Title（参考訳）: ガウス神経後部推定による宇宙初期条件の高速サンプリング
• Authors: Oleg Savchenko, Guillermo Franco Abellán, Florian List, Noemi Anau Montel, Christoph Weniger,
• Abstract要約: 本研究では,シミュレーションに基づく推論を用いて,原始暗黒物質密度場のデータ制約付き実現を実現する方法を示す。 1つのGPUで数秒で数千の後方サンプルを生成します。
• 参考スコア（独自算出の注目度）: 4.520518890664213
• License:
• Abstract: Knowledge of the primordial matter density field from which the large-scale structure of the Universe emerged over cosmic time is of fundamental importance for cosmology. However, reconstructing these cosmological initial conditions from late-time observations is a notoriously difficult task, which requires advanced cosmological simulators and sophisticated statistical methods to explore a multi-million-dimensional parameter space. We show how simulation-based inference (SBI) can be used to tackle this problem and to obtain data-constrained realisations of the primordial dark matter density field in a simulation-efficient way with general non-differentiable simulators. Our method is applicable to full high-resolution dark matter $N$-body simulations and is based on modelling the posterior distribution of the constrained initial conditions to be Gaussian with a diagonal covariance matrix in Fourier space. As a result, we can generate thousands of posterior samples within seconds on a single GPU, orders of magnitude faster than existing methods, paving the way for sequential SBI for cosmological fields. Furthermore, we perform an analytical fit of the estimated dependence of the covariance on the wavenumber, effectively transforming any point-estimator of initial conditions into a fast sampler. We test the validity of our obtained samples by comparing them to the true values with summary statistics and performing a Bayesian consistency test.
• Abstract（参考訳）: 宇宙の大規模な構造が宇宙の時間とともに現れた原始物質密度場に関する知識は、宇宙学の基本的な重要性である。 しかし、これらの宇宙学の初期条件を深夜観測から再構築することは、非常に難しい作業であり、多次元パラメータ空間を探索するためには、高度な宇宙学シミュレータと高度な統計手法が必要である。 シミュレーションベース推論 (SBI) を用いて, この問題に対処し, 一般の非微分可能シミュレータを用いたシミュレーション効率よく原始暗黒物質密度場のデータ制約付き実現を実現する方法を示す。 本手法は, フル高分解能暗黒物質$N$-bodyシミュレーションに適用可能であり, フーリエ空間における対角共分散行列を用いてガウスの初期条件の後方分布をモデル化した。 結果として、1つのGPU上で数千の後方サンプルを生成することができ、既存の手法よりも桁違いに高速で、宇宙論的な分野でのシーケンシャルなSBIへの道を開くことができる。 さらに,共分散の波数依存性を推定し,初期条件の任意の点推定器を高速サンプリング器に効果的に変換する。 実測値と実測値を比較し,ベイズ整合性試験を行うことにより,得られた標本の有効性を検証した。

関連論文リスト

• Mean-Field Simulation-Based Inference for Cosmological Initial Conditions [4.520518890664213]
  フーリエ空間における対角ガウス場に対する初期物質密度場の後方分布をモデル化したベイズ場再構成法を提案する。 トレーニングとサンプリングは非常に速い(トレーニング: $sim 1, Mathrmh$ on a GPU, sample: $lesssim 3, Mathrms$ for 1000 sample at resolution $1283$)。
  論文  参考訳（メタデータ） (2024-10-21T09:23:50Z)
• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Bayesian Simulation-based Inference for Cosmological Initial Conditions [5.954511401622426]
  本稿では,シミュレーションに基づく推論に根ざし,自己回帰モデルにより拡張された多目的ベイズ場再構成アルゴリズムを提案する。 本稿では,概念実証における最初の有望な結果として,時空密度場からの宇宙初期条件の回復について述べる。
  論文  参考訳（メタデータ） (2023-10-30T18:24:25Z)
• Lattice real-time simulations with learned optimal kernels [49.1574468325115]
  本稿では、強化学習にインスパイアされた量子場のリアルタイムダイナミクスのシミュレーション戦略を提案する。 複雑なLangevinアプローチに基づいて構築され、システム固有の事前情報で修正される。
  論文  参考訳（メタデータ） (2023-10-12T06:01:01Z)
• Simulation-based inference using surjective sequential neural likelihood estimation [50.24983453990065]
  主観的逐次的ニューラルネットワーク類似度推定はシミュレーションに基づく推論の新しい手法である。 データを低次元空間に埋め込むことで、SSNLは高次元データセットに適用する際の従来の可能性ベースの手法が抱えるいくつかの問題を解く。
  論文  参考訳（メタデータ） (2023-08-02T10:02:38Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Fast and realistic large-scale structure from machine-learning-augmented random field simulations [0.0]
  我々は、予測された対数正規ダークマター密度場をより現実的なダークマターマップに変換するために機械学習モデルを訓練する。 本研究では,フィールド分解能,赤方偏移,宇宙論的パラメータの異なる様々な統計的テストと比較したモデルの性能を示す。
  論文  参考訳（メタデータ） (2022-05-16T18:00:01Z)
• Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
  フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。 フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
  論文  参考訳（メタデータ） (2022-02-23T19:00:00Z)
• Probabilistic Mass Mapping with Neural Score Estimation [4.079848600120986]
  弱レンズ質量マッピング問題の高次元ベイズ後方の効率的なサンプリング法を提案する。 本手法の精度をシミュレーションで実証し,HST/ACS COSMOSフィールドの大量再構成に適用する。
  論文  参考訳（メタデータ） (2022-01-14T17:07:48Z)
• Topological Echoes of Primordial Physics in the Universe at Large Scales [0.0]
  暗黒物質のハロゲンのシミュレーションのために持続性図と導出統計を計算する。 私たちのパイプラインは完全なシミュレーションのサブボックスで永続性を計算し、シミュレーションは一様ハロ数にサブサンプルされます。
  論文  参考訳（メタデータ） (2020-12-07T12:08:55Z)

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。