論文の概要: Blind Strong Gravitational Lensing Inversion: Joint Inference of Source and Lens Mass with Score-Based Models

• arxiv url: http://arxiv.org/abs/2511.04792v1
• Date: Thu, 06 Nov 2025 20:23:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.580899
• Title: Blind Strong Gravitational Lensing Inversion: Joint Inference of Source and Lens Mass with Score-Based Models
• Title（参考訳）: Blind Strong Gravitational Lensing Inversion:Score-based Modelを用いた音源量とレンズ質量の同時推定
• Authors: Gabriel Missael Barco, Ronan Legin, Connor Stone, Yashar Hezaveh, Laurence Perreault-Levasseur,
• Abstract要約: 強力な重力レンズでは、スコアベースのモデルは、科学的逆問題に対する表現力のあるデータ駆動の先行として機能する。 実験では,まず,楽譜を用いた連立音源・レンズ推定の実証実験を行った。
• 参考スコア（独自算出の注目度）: 4.99431898057919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Score-based models can serve as expressive, data-driven priors for scientific inverse problems. In strong gravitational lensing, they enable posterior inference of a background galaxy from its distorted, multiply-imaged observation. Previous work, however, assumes that the lens mass distribution (and thus the forward operator) is known. We relax this assumption by jointly inferring the source and a parametric lens-mass profile, using a sampler based on GibbsDDRM but operating in continuous time. The resulting reconstructions yield residuals consistent with the observational noise, and the marginal posteriors of the lens parameters recover true values without systematic bias. To our knowledge, this is the first successful demonstration of joint source-and-lens inference with a score-based prior.
• Abstract（参考訳）: スコアベースのモデルは、科学的逆問題に対する表現力のあるデータ駆動の先行モデルとして機能する。 強い重力レンズでは、歪んだ多重イメージの観測から背景銀河の後方推論が可能になる。 しかし、以前の研究は、レンズの質量分布(つまり前方作用素)が知られていると仮定している。 我々は、GibsDDRMをベースとしたサンプルラを用いて、ソースとパラメトリックレンズ質量プロファイルを連続的に推定することで、この仮定を緩和する。 その結果, 残差は観測ノイズと一致し, レンズパラメータの周縁後部は系統的バイアスを伴わずに真の値を取り戻すことができた。 私たちの知る限り、これはスコアベースの事前のジョイントソースとレンズの推論を成功させた最初の例です。

関連論文リスト

• On the Shape of Latent Variables in a Denoising VAE-MoG: A Posterior Sampling-Based Study [51.56484100374058]
  ガウス前駆体 (VAE-MoG) を用いた変分オートエンコーダの潜時空間を探索する。 モデルが基盤構造をどれだけうまく捉えているかを評価するために、ハミルトンモンテカルロ (HMC) を用いて、クリーンな入力で条件付けられた後続サンプルを描画し、ノイズの多いデータからエンコーダの出力と比較する。 モデルは正確に信号を再構成するが、統計的比較により、潜在空間における明らかなミスマッチが明らかになる。
  論文  参考訳（メタデータ） (2025-09-29T18:33:09Z)
• pcaGAN: Improving Posterior-Sampling cGANs via Principal Component Regularization [11.393603788068777]
  画像逆問題では、観測された測定値と真の画像の事前知識の両方に適合する仮説が多数存在する。 本稿では, 高速かつ高精度な後サンプリング条件生成対向ネットワーク (cGAN) を提案する。
  論文  参考訳（メタデータ） (2024-11-01T14:09:28Z)
• Score-Based Diffusion Models as Principled Priors for Inverse Imaging [46.19536250098105]
  本稿では,スコアに基づく拡散モデルを原理化された画像優先モデルに変換することを提案する。 本稿では, この確率関数を変分推論に用いることにより, 後部から試料を抽出する方法を示す。
  論文  参考訳（メタデータ） (2023-04-23T21:05:59Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)

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。