論文の概要: Accelerating Posterior Inference from Pulsar Light Curves via Learned Latent Representations and Local Simulator-Guided Optimization

• arxiv url: http://arxiv.org/abs/2602.14520v1
• Date: Mon, 16 Feb 2026 07:12:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.245357
• Title: Accelerating Posterior Inference from Pulsar Light Curves via Learned Latent Representations and Local Simulator-Guided Optimization
• Title（参考訳）: 学習潜在表現と局所シミュレータ誘導最適化によるパルサー光曲線からの後部推論の高速化
• Authors: Farhana Taiyebah, Abu Bucker Siddik, Indronil Bhattacharjee, Diane Oyen, Soumi De, Greg Olmschenk, Constantinos Kalapotharakos,
• Abstract要約: 光曲線の形でのパルサー観測による後部推測は、マルコフ連鎖モンテカルロ法を用いて行うのが一般的である。 学習された潜在表現と局所シミュレータ誘導最適化を組み合わせることで、精度を維持しながら後部推論を高速化するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.410957950204883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Posterior inference from pulsar observations in the form of light curves is commonly performed using Markov chain Monte Carlo methods, which are accurate but computationally expensive. We introduce a framework that accelerates posterior inference while maintaining accuracy by combining learned latent representations with local simulator-guided optimization. A masked U-Net is first pretrained to reconstruct complete light curves from partial observations and to produce informative latent embeddings. Given a query light curve, we identify similar simulated light curves from the simulation bank by measuring similarity in the learned embedding space produced by pretrained U-Net encoder, yielding an initial empirical approximation to the posterior over parameters. This initialization is then refined using a local optimization procedure using hill-climbing updates, guided by a forward simulator, progressively shifting the empirical posterior toward higher-likelihood parameter regions. Experiments on the observed light curve of PSR J0030+0451, captured by NASA's Neutron Star Interior Composition Explorer (NICER), show that our method closely matches posterior estimates obtained using traditional MCMC methods while achieving 120 times reduction in inference time (from 24 hours to 12 minutes), demonstrating the effectiveness of learned representations and simulator-guided optimization for accelerated posterior inference.
• Abstract（参考訳）: 光曲線の形でのパルサー観測による後部推論は、マルコフ連鎖モンテカルロ法を用いて行うのが一般的である。 学習された潜在表現と局所シミュレータ誘導最適化を組み合わせることで、精度を維持しながら後部推論を高速化するフレームワークを提案する。 マスクされたU-Netは、まず部分的な観測から完全な光曲線を再構築し、情報的な潜伏埋め込みを生成するために事前訓練される。 問合せ光曲線が与えられた場合、事前学習されたU-Netエンコーダが生成する学習埋め込み空間の類似度を測定して、シミュレーションバンクから類似した光曲線を同定し、後続パラメータに対する実験的な近似を導出する。 この初期化は、丘登り更新を用いて局所的な最適化手順を用いて洗練され、前方シミュレータでガイドされ、実験後部を高次パラメータ領域へ徐々にシフトさせる。 NASAのニュートロン・スター・インテリア・インテリア・コンポジション・エクスプローラー(NICER)で観測されたPSR J0030+0451の光曲線に関する実験により、従来のMCMC法を用いて得られた後方推定値と密に一致し、予測時間(24時間から12分)の120倍の短縮を実現し、学習された表現の有効性と、加速後推論のためのシミュレータ誘導最適化の有効性を示した。

関連論文リスト

• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• Stochastic Gradient Descent for Gaussian Processes Done Right [86.83678041846971]
  emphdone right -- 最適化とカーネルコミュニティからの具体的な洞察を使用するという意味で -- が、勾配降下は非常に効果的であることを示している。 本稿では,直感的に設計を記述し,設計選択について説明する。 本手法は,分子結合親和性予測のための最先端グラフニューラルネットワークと同程度にガウス過程の回帰を配置する。
  論文  参考訳（メタデータ） (2023-10-31T16:15:13Z)
• Understanding of the properties of neural network approaches for transient light curve approximations [37.91290708320157]
  本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。 テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)
• 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)
• Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
  光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。 近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。 我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
  論文  参考訳（メタデータ） (2022-06-27T13:46:51Z)
• Amortised inference of fractional Brownian motion with linear computational complexity [0.0]
  ランダムウォークのパラメータを推定するために,シミュレーションベースで償却されたベイズ推定手法を提案する。 提案手法は歩行パラメータの後方分布を確率自由な方法で学習する。 この手法を適用して、環境中の有限デコリレーション時間をさらに個々の軌道から推定できることを示す。
  論文  参考訳（メタデータ） (2022-03-15T14:43:16Z)
• Rethinking Efficient Lane Detection via Curve Modeling [37.45243848960598]
  提案手法は,LLAMASベンチマークにおける最先端性能を実現する。 また、TuSimpleとCUデータセットに対して、低レイテンシ (> 150 FPS) と小さなモデルサイズ (10M) の両方を維持しながら、良好な精度を実現している。
  論文  参考訳（メタデータ） (2022-03-04T17:00:33Z)
• SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
  本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。 我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
  論文  参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。