論文の概要: Conditional Diffusion-Flow models for generating 3D cosmic density fields: applications to f(R) cosmologies

• arxiv url: http://arxiv.org/abs/2502.17087v1
• Date: Mon, 24 Feb 2025 12:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:48.432382
• Title: Conditional Diffusion-Flow models for generating 3D cosmic density fields: applications to f(R) cosmologies
• Title（参考訳）: 三次元宇宙密度場生成のための条件拡散流モデル:f(R)宇宙論への応用
• Authors: Julieth Katherine Riveros, Paola Saavedra, Hector J. Hortua, Jorge Enrique Garcia-Farieta, Ivan Olier,
• Abstract要約: 次世代の銀河探査は、宇宙スケールでの重力のテストにおいて前例のない精度を約束する。 本研究では,3次元暗黒物質密度場を生成するための条件生成モデルについて,スコアベース(拡散)およびフローベース手法を用いて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Next-generation galaxy surveys promise unprecedented precision in testing gravity at cosmological scales. However, realising this potential requires accurately modelling the non-linear cosmic web. We address this challenge by exploring conditional generative modelling to create 3D dark matter density fields via score-based (diffusion) and flow-based methods. Our results demonstrate the power of diffusion models to accurately reproduce the matter power spectra and bispectra, even for unseen configurations. They also offer a significant speed-up with slightly reduced accuracy, when flow-based reconstructing the probability distribution function, but they struggle with higher-order statistics. To improve conditional generation, we introduce a novel multi-output model to develop feature representations of the cosmological parameters. Our findings offer a powerful tool for exploring deviations from standard gravity, combining high precision with reduced computational cost, thus paving the way for more comprehensive and efficient cosmological analyses
• Abstract（参考訳）: 次世代の銀河探査は、宇宙スケールでの重力のテストにおいて前例のない精度を約束する。 しかし、この可能性を実現するには、非線形宇宙ウェブを正確にモデル化する必要がある。 本研究では,3次元暗黒物質密度場をスコアベース(拡散)法とフローベース法により生成する条件生成モデルにより,この問題に対処する。 本研究は, 未確認構成であっても, 物質パワースペクトルと双スペクトルを正確に再現する拡散モデルの有効性を実証するものである。 また、フローベースで確率分布関数を再構成する場合には、精度をわずかに下げた大きなスピードアップも提供するが、高次統計に苦慮している。 条件付き生成を改善するために,宇宙パラメータの特徴表現を開発するための新しいマルチ出力モデルを提案する。 我々の発見は、標準重力からの偏差を探索する強力なツールを提供し、高精度と計算コストの低減を組み合わせ、より包括的で効率的な宇宙分析の道を開いた。

関連論文リスト

• Learning the Universe: Learning to Optimize Cosmic Initial Conditions with Non-Differentiable Structure Formation Models [0.0]
  本稿では,3次元宇宙初期条件を再構築するためのLearning the Universe by Learning to Optimize (LULO)を紹介する。 LULOは、3次元宇宙の初期条件を再構築するための勾配のないフレームワークである。 ダークマターのみの$N$ボディシミュレーションで同定した$M_200mathrmc$halosから初期条件を正確に再構成することで,本手法を実証する。
  論文  参考訳（メタデータ） (2025-02-18T19:17:01Z)
• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• CHARM: Creating Halos with Auto-Regressive Multi-stage networks [1.6987257996124416]
  CHARMは、モックハローカタログを作成するための新しい方法である。 モックハローカタログと塗装された銀河カタログは、実空間と赤方偏移空間の両方でN$ボディシミュレーションから得られたのと同じ統計特性を持つことを示す。
  論文  参考訳（メタデータ） (2024-09-13T18:00:06Z)
• Latent Energy-Based Odyssey: Black-Box Optimization via Expanded Exploration in the Energy-Based Latent Space [65.44449711359724]
  ブラックボックス関数の高次元かつ高マルチモーダルな入力設計空間は、既存の手法に固有の課題をもたらす。 設計値の結合空間の圧縮的かつ正確な表現として機能する潜在空間の発見を検討する。 本稿では, 高精度潜時空間モデルの変分学習のための雑音強調型テレスコープ密度比推定法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T00:11:53Z)
• GaussianCube: A Structured and Explicit Radiance Representation for 3D Generative Modeling [55.05713977022407]
  構造的かつ完全明快な放射率表現を導入し、3次元生成モデリングを大幅に促進する。 我々はまず,新しい密度制約付きガウス適合アルゴリズムを用いてガウスキューブを導出する。 非条件およびクラス条件オブジェクト生成、デジタルアバター生成、テキスト・トゥ・3Dによる実験は、我々のモデル合成が最先端の生成結果を達成することを示す。
  論文  参考訳（メタデータ） (2024-03-28T17:59:50Z)
• A point cloud approach to generative modeling for galaxy surveys at the field level [0.431625343223275]
  宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。 クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。 このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
  論文  参考訳（メタデータ） (2023-11-28T19:00:00Z)
• Stochastic Super-resolution of Cosmological Simulations with Denoising Diffusion Models [3.2771631221674333]
  超解宇宙大規模構造予測のための強力な生成モデルとして,デノナイジング拡散モデルを導入する。 我々は,提案モデルが高解像度画像とパワースペクトルをパーセンテージレベルで一貫するだけでなく,与えられた低解像度シミュレーションと整合した小型特徴の多様性を再現できることを実証した。
  論文  参考訳（メタデータ） (2023-10-10T18:32:11Z)
• Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
  生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。 我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T01:07:22Z)
• Score-based Diffusion Models in Function Space [137.70916238028306]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 この研究は、関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)と呼ばれる数学的に厳密なフレームワークを導入する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• 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)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)

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。