論文の概要: Neural Posterior Estimation for Cataloging Astronomical Images from the Legacy Survey of Space and Time

• arxiv url: http://arxiv.org/abs/2510.15315v3
• Date: Wed, 05 Nov 2025 19:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 13:46:06.458243
• Title: Neural Posterior Estimation for Cataloging Astronomical Images from the Legacy Survey of Space and Time
• Title（参考訳）: 空間と時間のレガシーサーベイによる天体画像のカタログ化のための神経後部推定
• Authors: Yicun Duan, Xinyue Li, Camille Avestruz, Jeffrey Regier, LSST Dark Energy Science Collaboration,
• Abstract要約: LSSTは2026年に本格的な運用を開始する予定で、前例のない量の天体画像が得られる。 本稿では,ニューラルリテラル推定(NPE)と呼ばれる最近開発されたベイズ推定法について,カタログ化のアプローチとして検討する。 NPEは、光源検出、フラックス測定、星/銀河の分類、銀河形状測定において、標準LSSTパイプラインを体系的に上回っている。
• 参考スコア（独自算出の注目度）: 7.211472763917989
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Vera C. Rubin Observatory Legacy Survey of Space and Time (LSST) will commence full-scale operations in 2026, yielding an unprecedented volume of astronomical images. Constructing an astronomical catalog, a table of imaged stars, galaxies, and their properties, is a fundamental step in most scientific workflows based on astronomical image data. Traditional deterministic cataloging methods lack statistical coherence as cataloging is an ill-posed problem, while existing probabilistic approaches suffer from computational inefficiency, inaccuracy, or the inability to perform inference with multiband coadded images, the primary output format for LSST images. In this article, we explore a recently developed Bayesian inference method called neural posterior estimation (NPE) as an approach to cataloging. NPE leverages deep learning to achieve both computational efficiency and high accuracy. When evaluated on the DC2 Simulated Sky Survey -- a highly realistic synthetic dataset designed to mimic LSST data -- NPE systematically outperforms the standard LSST pipeline in light source detection, flux measurement, star/galaxy classification, and galaxy shape measurement. Additionally, NPE provides well-calibrated posterior approximations. These promising results, obtained using simulated data, illustrate the potential of NPE in the absence of model misspecification. Although some degree of model misspecification is inevitable in the application of NPE to real LSST images, there are a variety of strategies to mitigate its effects.
• Abstract（参考訳）: Vera C. Rubin Observatory Legacy Survey of Space and Time (LSST) は2026年に本格的な運用を開始する予定で、これまでになく膨大な量の天体画像が得られる。 天体カタログ、画像化された恒星、銀河、それらの性質の表を構成することは、天文学的な画像データに基づくほとんどの科学的なワークフローの基本的なステップである。 従来の決定論的カタログ法は統計的コヒーレンスを欠いているが、既存の確率論的アプローチは計算の非効率性、不正確性、マルチバンド結合画像による推論ができない、LSST画像の一次出力フォーマットである。 本稿では,ニューラルリテラル推定(NPE)と呼ばれる最近開発されたベイズ推定法について,カタログ化のアプローチとして検討する。 NPEはディープラーニングを活用して、計算効率と高精度を両立させる。 LSSTデータを模倣する非常に現実的な合成データセットであるDC2 Simulated Sky Surveyで評価されると、NPEは光源検出、フラックス測定、星/銀河の分類、銀河形状測定において標準LSSTパイプラインを体系的に上回っている。 さらに、NPEはよく校正された後部近似を提供する。 これらの有望な結果は、模擬データを用いて得られ、モデル不特定性の欠如におけるNPEの可能性を示している。 NPEを実際のLSST画像に適用する場合、ある程度のモデルミス特定は避けられないが、その効果を緩和するための様々な戦略がある。

関連論文リスト

• COFFEE: A Shadow-Resilient Real-Time Pose Estimator for Unknown Tumbling Asteroids using Sparse Neural Networks [7.976380956275378]
  我々は,小惑星のリアルタイムポーズ推定フレームワークであるCOFFEEを提案する。 投射影に有意な輪郭を関連付けることにより、まばらな特徴群を検出する。 得られたポーズ推定パイプラインは、古典的なポーズ推定パイプラインよりもバイアスのない、より正確なものである。
  論文  参考訳（メタデータ） (2025-08-05T06:27:14Z)
• STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
  54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。 本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-22T09:28:28Z)
• Can AI Dream of Unseen Galaxies? Conditional Diffusion Model for Galaxy Morphology Augmentation [4.3933321767775135]
  本研究では,機械学習データを拡張するために,現実的な銀河画像を合成するための条件拡散モデルを提案する。 本研究では,本モデルが特定の形態的特徴条件に密着した多彩な高忠実度銀河画像を生成することを示す。 このモデルにより、生成外挿により、よく注釈付けされたデータを未知の領域に投影し、希少なオブジェクト検出を進めることができる。
  論文  参考訳（メタデータ） (2025-06-19T11:44:09Z)
• A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations [37.845442465099396]
  本稿では,マルチスケールアプローチを用いてニュアンス変動を捉える新しい統計モデルを提案する。 これは解釈可能なエンドツーエンドの学習可能なフレームワークに統合され、同時に外惑星の検出とフラックス推定を行う。 提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。
  論文  参考訳（メタデータ） (2025-03-21T13:07:55Z)
• Neural Posterior Estimation for Cataloging Astronomical Images with Spatially Varying Backgrounds and Point Spread Functions [6.556176380804382]
  本研究では,空間的に異なる背景とPSFを用いてニューラル・リテラル推定を行う手法を提案する。 ランダムサンプリングPSFと背景推定を用いて,これらのカタログの合成カタログと半合成画像を生成する。 Sloan Digital Sky Surveyデータによる実験では、空間的に異なる背景とPSFの存在下でのNPEの有効性が示されている。
  論文  参考訳（メタデータ） (2025-02-28T20:05:09Z)
• Simulation-based Inference for High-dimensional Data using Surjective Sequential Neural Likelihood Estimation [45.9982965995401]
  我々はSBI(Surjective Sequential Neural Likelihood Estimation)という,シミュレーションベース推論(SBI)手法のファミリーにおける新しいメンバーを提案する。 SSNL は次元共振型正規化フローモデルに適合し、マルコフ連鎖モンテカルロあるいは変分ベイズ法による計算推論を可能にする代理可能性関数として利用する。 SSNLは、天体物理学と神経科学の文献から得られた2つの挑戦的な実例を含む、多種多様な実験で評価し、その成果が、最先端の手法に匹敵するか、同等であることを示す。
  論文  参考訳（メタデータ） (2023-08-02T10:02:38Z)
• DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
  ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。 我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
  論文  参考訳（メタデータ） (2022-11-09T14:57:27Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)

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。