論文の概要: Data-Driven Generation of Neutron Star Equations of State Using Variational Autoencoders
- arxiv url: http://arxiv.org/abs/2601.21231v1
- Date: Thu, 29 Jan 2026 03:48:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.553663
- Title: Data-Driven Generation of Neutron Star Equations of State Using Variational Autoencoders
- Title（参考訳）: 変分オートエンコーダを用いた中性子星の状態方程式のデータ駆動生成
- Authors: Alex Ross, Tianqi Zhao, Sanjay Reddy,
- Abstract要約: 我々は、中性子星の状態方程式(EOS)を再構成・生成する構造付き変分オートエンコーダ(VAE)フレームワークを開発した。
VAEは、高次元のEOSデータを低次元の潜在空間にマッピングするエンコーダネットワークと、完全なEOSを潜在表現から再構成するデコーダネットワークで構成される。
Skyrme EOSデータセットでトレーニングされたVAEに基づいて、最大質量$(M_max)$と標準半径$(R_1.4)$の2つの教師付きNS観測値を持つ潜在空間が、既に高めのSkyrme EOSを再構築可能であることを発見した。
- 参考スコア（独自算出の注目度）: 1.5116328684219782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a machine learning model based on a structured variational autoencoder (VAE) framework to reconstruct and generate neutron star (NS) equations of state (EOS). The VAE consists of an encoder network that maps high-dimensional EOS data into a lower-dimensional latent space and a decoder network that reconstructs the full EOS from the latent representation. The latent space includes supervised NS observables derived from the training EOS data, as well as latent random variables corresponding to additional unspecified EOS features learned automatically. Sampling the latent space enables the generation of new, causal, and stable EOS models that satisfy astronomical constraints on the supervised NS observables, while allowing Bayesian inference of the EOS incorporating additional multimessenger data, including gravitational waves from LIGO/Virgo and mass and radius measurements of pulsars. Based on a VAE trained on a Skyrme EOS dataset, we find that a latent space with two supervised NS observables, the maximum mass $(M_{\max})$ and the canonical radius $(R_{1.4})$, together with one latent random variable controlling the EOS near the crust--core transition, can already reconstruct Skyrme EOSs with high fidelity, achieving mean absolute percentage errors of approximately $(0.15\%)$ for $(M_{\max})$ and $(R_{1.4})$ derived from the decoder-reconstructed EOS.
- Abstract（参考訳）: 本研究では,構造付き変分オートエンコーダ(VAE)フレームワークをベースとして,中性子星の状態方程式(EOS)を再構成・生成する機械学習モデルを開発した。
VAEは、高次元のEOSデータを低次元の潜在空間にマッピングするエンコーダネットワークと、完全なEOSを潜在表現から再構成するデコーダネットワークで構成される。
潜伏空間は、トレーニングEOSデータから導出される教師付きNS観測変数と、学習された追加の未特定EOS特徴に対応する潜伏確率変数とを含む。
潜伏空間をサンプリングすることで、監督されたNS観測器の天文学的制約を満たす新しい、因果的、安定したEOSモデルの生成が可能となり、同時にLIGO/Virgoからの重力波やパルサーの質量と半径の測定など、EOSのベイジアン推定も可能となった。
Skyrme EOSデータセットでトレーニングされたVAEに基づいて、最大質量$(M_{\max})$と標準半径$(R_{1.4})$の2つの教師付きNS観測値を持つ潜在空間が、地殻コア転移に近いEOSを制御する1つの潜在確率変数と共に、既に高忠実度でスカイムEOSを再構成することができ、平均絶対パーセンテージ誤差が$(M_{\max})$の$(M_{\max})$および$(R_{1.4})$の$(M_{\max})$の$(R_{1.4})$の$(M_{\max})$の$(R_{1.4})$の値が得られる。
関連論文リスト
- SPEAR-1: Scaling Beyond Robot Demonstrations via 3D Understanding [78.12178144115224]
ロボットファウンデーションモデル(RFMs)は、ロボット制御のための汎用的なエンドツーエンドシステムとして大きな可能性を秘めている。
本稿では,3次元アノテーションを用いた非ロボティックな画像データの統合と,3次元理解機能を備えた事前学習VLMの強化を提案する。
我々は,基礎となる3次元認識と言語による具体化制御を統合したロボット基礎モデルであるtextbfSPEAR-1$を紹介した。
論文 参考訳（メタデータ） (2025-11-21T17:09:43Z) - Towards Realistic Earth-Observation Constellation Scheduling: Benchmark and Methodology [15.122110569996572]
我々は、標準化されたベンチマークスイートと、Agile Earth Observation Satellitesの新しいスケジューリングモデルを紹介します。
当社のベンチマークスイートであるAEOS-Benchには、3,907ドルの微調整衛星資産と16,410ドルのシナリオが含まれています。
このベンチマークに基づいて,制約認識型アテンション機構を組み込んだTransformerベースのスケジューリングモデルであるAEOS-Formerを導入する。
論文 参考訳（メタデータ） (2025-10-30T09:31:47Z) - Mars Traversability Prediction: A Multi-modal Self-supervised Approach for Costmap Generation [10.388277401241464]
惑星ローバーのトラバーサビリティコストマップを予測するためのロバストなフレームワークを提案する。
我々のモデルは、カメラとLiDARデータを融合して、鳥眼視(BEV)地形のコストマップを生成する。
主なアップデートは、DINOv3ベースのイメージエンコーダ、FiLMベースのセンサーフュージョンである。
論文 参考訳（メタデータ） (2025-09-14T04:19:52Z) - FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
$textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。
$textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。
この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
論文 参考訳（メタデータ） (2025-05-21T15:33:27Z) - Inferring the Hubble Constant Using Simulated Strongly Lensed Supernovae and Neural Network Ensembles [0.0]
強いレンズを持つ超新星はハッブル定数の独立した測定値を得るための有望な新しいプローブである。
本研究では、重力レンズを用いたIa型超新星(glSNe Ia)を用いて、機械学習パイプラインのトレーニングを行う。
論文 参考訳（メタデータ） (2025-04-14T10:43:18Z) - Self-Ensembling Gaussian Splatting for Few-Shot Novel View Synthesis [55.561961365113554]
3D Gaussian Splatting (3DGS) は新規ビュー合成(NVS)において顕著な効果を示した
本稿では,Self-Ensembling Gaussian Splatting(SE-GS)を紹介する。
我々は,トレーニング中に不確実性を認識した摂動戦略を導入することで,自己理解を実現する。
LLFF, Mip-NeRF360, DTU, MVImgNetデータセットによる実験結果から, 本手法がNVSの品質を向上させることを示す。
論文 参考訳（メタデータ） (2024-10-31T18:43:48Z) - Machine-Learning Love: classifying the equation of state of neutron
stars with Transformers [0.0]
重力波データ解析におけるAudio Spectrogram Transformer(AST)モデルの適用について検討した。
二元中性子星合体からの吸気重力波信号のシミュレーションデータセットにモデルを適用した。
論文 参考訳（メタデータ） (2022-10-15T21:32:36Z) - Self-Supervised Representation Learning for RGB-D Salient Object
Detection [93.17479956795862]
我々は、自己教師付き表現学習を用いて、クロスモーダルオートエンコーダと深さ-輪郭推定という2つのプレテキストタスクを設計する。
我々のプレテキストタスクは、ネットワークがリッチなセマンティックコンテキストをキャプチャする事前トレーニングを実行するのに、少数のRGB-Dデータセットしか必要としない。
RGB-D SODにおけるクロスモーダル核融合の固有の問題として,マルチパス核融合モジュールを提案する。
論文 参考訳（メタデータ） (2021-01-29T09:16:06Z) - The EOS Decision and Length Extrapolation [103.7271774593922]
未知の配列長への外挿は、言語のニューラル生成モデルの課題である。
本研究では,EOS(+EOS)予測のために訓練されたネットワークと,訓練されていないネットワーク(-EOS)を比較検討する。
例えば、ブラケットのクローズタスクにおいて、トレーニング時に見られるものより10倍長い長さで外挿するなど、EOSは+EOSよりも大幅に優れています。
論文 参考訳（メタデータ） (2020-10-14T15:46:17Z) - End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection [62.34374949726333]
擬似LiDAR(PL)は、LiDARセンサに基づく手法と安価なステレオカメラに基づく手法の精度ギャップを劇的に減らした。
PLは最先端のディープニューラルネットワークと2D深度マップ出力を3Dポイントクラウド入力に変換することで3Dオブジェクト検出のための3D深度推定を組み合わせている。
我々は、PLパイプライン全体をエンドツーエンドにトレーニングできるように、差別化可能なRepresentation (CoR)モジュールに基づく新しいフレームワークを導入します。
論文 参考訳（メタデータ） (2020-04-07T02:18:38Z)
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。