論文の概要: Spatio-Spectroscopic Representation Learning using Unsupervised Convolutional Long-Short Term Memory Networks
- arxiv url: http://arxiv.org/abs/2602.18426v1
- Date: Fri, 20 Feb 2026 18:48:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-23 18:01:41.418634
- Title: Spatio-Spectroscopic Representation Learning using Unsupervised Convolutional Long-Short Term Memory Networks
- Title（参考訳）: 教師なし畳み込み長期記憶ネットワークを用いた時空間分光表現学習
- Authors: Kameswara Bharadwaj Mantha, Lucy Fortson, Ramanakumar Sankar, Claudia Scarlata, Chris Lintott, Sandor Kruk, Mike Walmsley, Hugh Dickinson, Karen Masters, Brooke Simmons, Rebecca Smethurst,
- Abstract要約: 本研究では、畳み込み長短項記憶ネットワークオートエンコーダを用いた教師なしの新たなディープラーニングフレームワークを実演する。
実証実験として、我々は290ドルの活性銀河核(AGN)のサンプルを用いてモデルを評価し、非常に異常なAGNの科学的特徴を強調した。
- 参考スコア（独自算出の注目度）: 0.1851100955725605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integral Field Spectroscopy (IFS) surveys offer a unique new landscape in which to learn in both spatial and spectroscopic dimensions and could help uncover previously unknown insights into galaxy evolution. In this work, we demonstrate a new unsupervised deep learning framework using Convolutional Long-Short Term Memory Network Autoencoders to encode generalized feature representations across both spatial and spectroscopic dimensions spanning $19$ optical emission lines (3800A $< λ<$ 8000A) among a sample of $\sim 9000$ galaxies from the MaNGA IFS survey. As a demonstrative exercise, we assess our model on a sample of $290$ Active Galactic Nuclei (AGN) and highlight scientifically interesting characteristics of some highly anomalous AGN.
- Abstract（参考訳）: 積分場分光法(IFS)は、空間と分光の両方の次元で学習し、これまで知られていなかった銀河の進化の知見を明らかにするのに役立つ、ユニークな新しい風景を提供する。
本研究では,MaNGA IFS調査から得られた$\sim 9000$の銀河のうち,19ドルの光放射線(3800A $< λ<$ 8000A)にまたがる空間的および分光的次元の一般特徴表現を符号化するために,畳み込み長短項記憶ネットワークオートエンコーダを用いた新しい教師なしディープラーニングフレームワークを実証する。
実証実験として、我々は290ドルの活性銀河核(AGN)のサンプルを用いてモデルを評価し、非常に異常なAGNの科学的特徴を強調した。
関連論文リスト
- CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。
スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。
本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
論文 参考訳（メタデータ） (2025-04-27T13:06:40Z) - Galaxy Walker: Geometry-aware VLMs For Galaxy-scale Understanding [19.49455523407794]
宇宙レベルの視覚理解タスクのための幾何学的視覚言語モデルであるGalaxy-Walkerを紹介する。
Galaxy-Walkerは、銀河特性の推定と形態分類のタスクで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-03-24T11:35:56Z) - Automatic Machine Learning Framework to Study Morphological Parameters of AGN Host Galaxies within $z < 1.4$ in the Hyper Supreme-Cam Wide Survey [4.6218496439194805]
本稿では,AGNホスト銀河のバルジ-トータル光比,半光半径,フラックスの後方分布を推定する機械学習フレームワークを提案する。
我々は、PAFGANを用いて、ホスト銀河からAGN点光源光を分解し、GAMPEN(Galaxy Morphology Posterior Estimation Network)を起動し、形態パラメーターを推定する。
私たちのフレームワークは、従来の軽量なフィッティング方法よりも少なくとも3桁高速に動作します。
論文 参考訳（メタデータ） (2025-01-27T03:04:34Z) - Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - Satellite galaxy abundance dependency on cosmology in Magneticum
simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。
A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。
また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
論文 参考訳（メタデータ） (2021-10-11T18:00:02Z) - DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts
using Deep Learning [70.80563014913676]
本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。
我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
論文 参考訳（メタデータ） (2020-11-24T22:51:08Z)
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。