論文の概要: Supervised Machine Learning Methods with Uncertainty Quantification for Exoplanet Atmospheric Retrievals from Transmission Spectroscopy

• arxiv url: http://arxiv.org/abs/2508.04982v1
• Date: Thu, 07 Aug 2025 02:28:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.689906
• Title: Supervised Machine Learning Methods with Uncertainty Quantification for Exoplanet Atmospheric Retrievals from Transmission Spectroscopy
• Title（参考訳）: 透過分光法による外惑星大気検索のための不確かさ定量化による機械学習
• Authors: Roy T. Forestano, Konstantin T. Matchev, Katia Matcheva, Eyup B. Unlu,
• Abstract要約: 本稿では,既存の機械学習回帰手法の体系的研究について述べる。 送信スペクトルから外惑星の大気パラメータを抽出するための性能の比較を行った。 WASP-39bのJWST観測のケーススタディにおいて,MLモデルと前処理方式の最良の組み合わせが検証された。
• 参考スコア（独自算出の注目度）: 1.6874375111244329
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard Bayesian retrievals for exoplanet atmospheric parameters from transmission spectroscopy, while well understood and widely used, are generally computationally expensive. In the era of the JWST and other upcoming observatories, machine learning approaches have emerged as viable alternatives that are both efficient and robust. In this paper we present a systematic study of several existing machine learning regression techniques and compare their performance for retrieving exoplanet atmospheric parameters from transmission spectra. We benchmark the performance of the different algorithms on the accuracy, precision, and speed. The regression methods tested here include partial least squares (PLS), support vector machines (SVM), k nearest neighbors (KNN), decision trees (DT), random forests (RF), voting (VOTE), stacking (STACK), and extreme gradient boosting (XGB). We also investigate the impact of different preprocessing methods of the training data on the model performance. We quantify the model uncertainties across the entire dynamical range of planetary parameters. The best performing combination of ML model and preprocessing scheme is validated on a the case study of JWST observation of WASP-39b.
• Abstract（参考訳）: 透過分光法から外惑星の大気パラメータの標準的なベイズ的検索は、よく理解され広く使われているが、一般に計算に費用がかかる。 JWSTや他の今後の観測所の時代に、機械学習アプローチは、効率的かつ堅牢な、実行可能な代替手段として現れてきた。 本稿では,既存の機械学習レグレッション手法の体系的研究を行い,送信スペクトルから外惑星大気パラメータを抽出するための性能の比較を行う。 我々は、精度、精度、速度の異なるアルゴリズムの性能をベンチマークする。 ここでテストされた回帰手法には、部分最小二乗(PLS)、サポートベクターマシン(SVM)、k近くの隣人(KNN)、決定木(DT)、ランダム森林(RF)、投票(VOTE)、積み重ね(STACK)、極端な勾配上昇(XGB)が含まれる。 また,トレーニングデータの事前処理方法の違いがモデル性能に及ぼす影響についても検討した。 我々は、惑星パラメータの動的範囲全体にわたる不確かさを定量化する。 WASP-39bのJWST観測のケーススタディにおいて,MLモデルと前処理方式の最良の組み合わせが検証された。

関連論文リスト

• Exoplanet Classification through Vision Transformers with Temporal Image Analysis [0.0]
  我々は、NASAのケプラーミッションからグラミアン・Angular Fields(GAF)とRecurrence Plots(RP)に生光曲線データを変換する手法を提案する。 これらの変換されたイメージはビジョントランスフォーマー(ViT)モデルへの入力として機能し、複雑な時間的依存関係をキャプチャする能力を活用する。 モデルの性能を5倍のクロスバリデーション手法を用いてリコール,精度,F1スコアの指標を用いて評価し,モデルの性能のロバストな推定値を得る。
  論文  参考訳（メタデータ） (2025-06-19T20:57:17Z)
• The Impact of Feature Scaling In Machine Learning: Effects on Regression and Classification Tasks [0.8388858079753069]
  本研究は、14の機械学習アルゴリズムと16のデータセットにまたがる12のスケーリングテクニックを体系的に評価することで、機能スケーリングに関する包括的な研究が欠如していることに対処する。 我々は、予測性能(精度、MAE、MSE、R2$など)と計算コスト(トレーニング時間、推論時間、メモリ使用量)への影響を慎重に分析した。
  論文  参考訳（メタデータ） (2025-06-09T22:32:51Z)
• Stellar parameter prediction and spectral simulation using machine learning [0.0]
  本研究では,ESOの高精度放射速度惑星探索装置(HARPS)のデータ履歴全体に対して機械学習を適用した。 我々は、スペクトルパラメータを予測しスペクトルを生成するために、HARPSデータ上で標準および変分オートエンコーダを訓練した。 提案モデルでは, スペクトルパラメータの予測と実スペクトルの圧縮に優れ, 有効温度に対して約50Kの予測誤差を達成した。
  論文  参考訳（メタデータ） (2024-12-12T07:09:42Z)
• ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
  ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。 巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
  論文  参考訳（メタデータ） (2024-12-11T12:31:30Z)
• Transformer-Driven Active Transfer Learning for Cross-Hyperspectral Image Classification [3.087068801861429]
  ハイパースペクトル画像(HSI)分類は、高スペクトル次元、重要な領域シフト、ラベル付きデータの可用性の制限による固有の課題を示す。 本稿では,空間スペクトル変換器(SST)のバックボーン上に構築された,新しいアクティブトランスファー学習(ATL)フレームワークを提案する。 このフレームワークは多段階移動学習と不確実性多様性駆動型能動学習機構を統合する。
  論文  参考訳（メタデータ） (2024-11-27T07:53:39Z)
• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• Physics Informed Machine Learning (PIML) methods for estimating the remaining useful lifetime (RUL) of aircraft engines [0.0]
  本研究の目的は、新たに開発された物理情報機械学習(PIML)を用いて、残りの実用寿命(RUL)航空機エンジンの予測モデルを開発することである。 本稿では,NASAのC-MAPSS(Commercial Modular Aero-Propulsion System Simulation System)データについて概説する。 C-MAPSSは、古典的および深層学習手法でRUL予測に対処する、文献における多くの既存の研究を含む、よく研究されたデータセットである。
  論文  参考訳（メタデータ） (2024-06-21T19:55:34Z)
• 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)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Optimizing Training Trajectories in Variational Autoencoders via Latent Bayesian Optimization Approach [0.0]
  教師なしおよび半教師なしのML手法は、物理学、化学、材料科学の様々な分野に広く採用されている。 教師なしおよび半教師付きMLに対するハイパーパラメータ軌道最適化のための潜在ベイズ最適化(zBO)手法を提案する。 本手法の適用により,MNISTの離散的および連続的回転不変表現とプラズモンナノ粒子材料システムの実験データを求めることができる。
  論文  参考訳（メタデータ） (2022-06-30T23:41:47Z)
• MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
  MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。 公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
  論文  参考訳（メタデータ） (2022-05-31T04:57:06Z)
• Attentional-Biased Stochastic Gradient Descent [74.49926199036481]
  深層学習におけるデータ不均衡やラベルノイズ問題に対処するための証明可能な手法(ABSGD)を提案する。 本手法は運動量SGDの簡易な修正であり,各試料に個別の重み付けを行う。 ABSGDは追加コストなしで他の堅牢な損失と組み合わせられるほど柔軟である。
  論文  参考訳（メタデータ） (2020-12-13T03:41:52Z)

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。