論文の概要: Emulating compact binary population synthesis simulations with robust uncertainty quantification and model comparison: Bayesian normalizing flows

• arxiv url: http://arxiv.org/abs/2506.05657v1
• Date: Fri, 06 Jun 2025 01:17:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.274374
• Title: Emulating compact binary population synthesis simulations with robust uncertainty quantification and model comparison: Bayesian normalizing flows
• Title（参考訳）: 頑健な不確実性定量化とモデル比較によるコンパクトな二元集団合成シミュレーション:ベイズ正規化流
• Authors: Anarya Ray,
• Abstract要約: 二元座標の集団シミュレーションは重力波(GW)観測から天体物理学的な知見を抽出する上で重要な役割を担っている。 ベイズ正規化フローを導入し,エミュレータの不確かさを定量化し,余剰化する方法を開発した。 共通エンベロープ進化により形成された二元ブラックホール群のシミュレーションにおいて, 推定不確かさの精度, 校正, およびデータ増幅の影響を実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Population synthesis simulations of compact binary coalescences~(CBCs) play a crucial role in extracting astrophysical insights from an ensemble of gravitational wave~(GW) observations. However, realistic simulations are costly to implement for a dense grid of initial conditions. Normalizing flows can emulate the distribution functions of a simulated population of binary parameters and thereby enable empirical constraints on the astrophysical initial conditions and branching fractions of various formation channels given data from a catalog of GW observations. They can also be used for data amplification in sparse regions of the CBC parameter space to guide the development of phenomenological population models for rarely synthesizable systems with components in theorized mass gaps, without having to simulate a prohibitively large number of binaries. But flow predictions are wrought with uncertainties, especially for sparse training sets. In this work I develop a method for quantifying and marginalizing uncertainties in the emulators by introducing the Bayesian Normalizing flow, a conditional density estimator constructed from Bayesian neural networks. Using the exact likelihood function associated with density estimators I sample the posterior distribution of flow parameters with suitably chosen priors to quantify and marginalize over flow uncertainties. I demonstrate the accuracy, calibration, and data-amplification impacts of the estimated uncertainties for simulations of binary black hole populations formed through common envelope evolution. I outline applications of the methodology in simulation-based inference from growing GW catalogs and sketch other uses for general simulation-based approaches in GW astronomy.
• Abstract（参考訳）: 小型の双対合体(CBC)の集団合成シミュレーションは、重力波のアンサンブルから天体物理学的な知見を抽出する上で重要な役割を担っている。 しかし、現実的なシミュレーションは、初期条件の密度の高いグリッドを実装するのに費用がかかる。 正規化フローは、二項パラメータのシミュレーションされた集団の分布関数をエミュレートし、GW観測のカタログから与えられた様々な形成チャネルの分断と天体物理学的初期条件に対する経験的制約を可能にする。 また、CBCパラメータ空間のスパース領域におけるデータ増幅にも利用でき、非対称な数のバイナリをシミュレートすることなく、理論化された質量ギャップの成分を持つ稀に合成可能なシステムのための現象学的人口モデルの開発を導くことができる。 しかし、フロー予測には不確実性、特にスパーストレーニングセットが伴う。 本研究では,ベイジアンニューラルネットワークから構築した条件密度推定器であるベイジアン正規化流を導入することにより,エミュレータの不確かさの定量化と疎外化を行う手法を開発した。 密度推定器に付随する正確な確率関数を用いて,流れの不確かさの定量化と余剰化を行うために,適切に選択された先行パラメータを含む流れパラメータの後方分布をサンプリングする。 共通エンベロープ進化により形成された二元ブラックホール群のシミュレーションにおいて, 推定不確かさの精度, 校正, およびデータ増幅の影響を実証した。 本手法のGWカタログからのシミュレーションベース推論への応用を概説し、GW天文学における一般的なシミュレーションベースアプローチのための他の用途をスケッチする。

関連論文リスト

• Exact simulation of realistic Gottesman-Kitaev-Preskill cluster states [0.0]
  本稿では,現実的なGottesman-Kitaev-Preskill(GKP)クラスタ状態をシミュレーションし,特徴付ける手法について述べる。 キャット状態の育種による単一モードGKP状態の生成と,線形光回路およびホモダイン測定による多モードGKPクラスター状態の形成について検討する。
  論文  参考訳（メタデータ） (2025-04-14T18:05:06Z)
• 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)
• Ensemble flow reconstruction in the atmospheric boundary layer from spatially limited measurements through latent diffusion models [0.32955181898067526]
  機械学習技術は、従来、標準的な流体力学問題において、観測されていない流れ領域を再構築してきた。 これらの技術は3次元大気境界層ではまだ実証されていない。
  論文  参考訳（メタデータ） (2023-03-01T21:55:10Z)
• 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)
• Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
  微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。 勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
  論文  参考訳（メタデータ） (2022-07-12T16:08:04Z)
• 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)
• 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)
• Likelihood-Free Inference in State-Space Models with Unknown Dynamics [71.94716503075645]
  本研究では、状態空間モデルにおいて、観測をシミュレートすることしかできず、遷移ダイナミクスが不明な潜在状態の推測と予測を行う手法を提案する。 本研究では,限られた数のシミュレーションで状態予測と状態予測を行う手法を提案する。
  論文  参考訳（メタデータ） (2021-11-02T12:33:42Z)

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。