Fugu-MT 論文翻訳(概要): Simulation-Efficient Cosmological Inference with Multi-Fidelity SBI

論文の概要: Simulation-Efficient Cosmological Inference with Multi-Fidelity SBI

arxiv url: http://arxiv.org/abs/2507.00514v1
Date: Tue, 01 Jul 2025 07:28:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:59.466591
Title: Simulation-Efficient Cosmological Inference with Multi-Fidelity SBI
Title（参考訳）: マルチフィデリティSBIを用いた宇宙論的推論のシミュレーション
Authors: Leander Thiele, Adrian E. Bayer, Naoya Takeishi,
Abstract要約: 本稿では,特徴マッチングと知識蒸留に基づく多面的推論手法を提案する。提案手法は, 後部品質の向上, 特にシミュレーション予算の小型化と推論の難しさに寄与する。
参考スコア（独自算出の注目度）: 4.305609786219493
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The simulation cost for cosmological simulation-based inference can be decreased by combining simulation sets of varying fidelity. We propose an approach to such multi-fidelity inference based on feature matching and knowledge distillation. Our method results in improved posterior quality, particularly for small simulation budgets and difficult inference problems.
Abstract（参考訳）: 宇宙シミュレーションに基づく推論のシミュレーションコストは、様々な忠実度のシミュレーションセットを組み合わせることで低減することができる。本稿では,特徴マッチングと知識蒸留に基づく多面的推論手法を提案する。提案手法は後部品質の向上,特にシミュレーション予算の小型化と推論の困難さに寄与する。

関連論文リスト

Transfer learning for multifidelity simulation-based inference in cosmology [0.0]
ダークマターのみのN$-bodyシミュレーションの事前トレーニングは、高忠実度流体力学シミュレーションの必要な回数を8ドルから15ドルに削減する。より安価なシミュレーションを活用することで,計算コストを大幅に削減しつつ,高忠実度モデルの性能と高精度な推論を可能にする。
論文参考訳（メタデータ） (2025-05-27T14:04:30Z)
Multifidelity Simulation-based Inference for Computationally Expensive Simulators [5.863359332854155]
我々は,高忠実度シミュレータのパラメータを限られたシミュレーション予算内で推測するために,安価な低忠実度シミュレーションを活用する,神経後部推定のための多忠実度アプローチであるMF-NPEを紹介する。 MF-NPEは、最大2桁の高忠実度シミュレーションを必要としながら、現在の手法に匹敵する性能を示す。
論文参考訳（メタデータ） (2025-02-12T13:59:22Z)
Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
論文参考訳（メタデータ） (2024-12-10T11:50:46Z)
Cosmological Analysis with Calibrated Neural Quantile Estimation and Approximate Simulators [0.0]
我々は,多数の近似シミュレーションをトレーニングに利用し,少数の高忠実度シミュレーションをキャリブレーションに利用した新しいシミュレーションベース推論(SBI)手法を提案する。概念の証明として、2次元暗黒物質密度写像から、z=0$で$k_rm maxsim1.5,h$/Mpcまでの距離で宇宙的パラメータを推定できることが示される。キャリブレーション後部は、$sim104$ expensive Particle-Particle (PP) シミュレーションの直接トレーニングにより得られたものとよく一致するが、計算コストのごく一部で一致する。
論文参考訳（メタデータ） (2024-11-22T05:53:46Z)
Exponential improvements in the simulation of lattice gauge theories using near-optimal techniques [0.0]
ハミルトンシミュレーションのための明示的な回路構成とTゲート数および論理キュービット数を提供する。我々は、非アベリア格子ゲージ理論のシミュレーションのために、トロッター法による時空体積を最大25桁削減することを示した。
論文参考訳（メタデータ） (2024-05-16T19:36:49Z)
Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文参考訳（メタデータ） (2023-05-21T03:51:03Z)
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)
Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文参考訳（メタデータ） (2022-06-10T04:54:13Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)

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。