論文の概要: Mapping Dark-Matter Clusters via Physics-Guided Diffusion Models

• arxiv url: http://arxiv.org/abs/2603.14503v1
• Date: Sun, 15 Mar 2026 17:36:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.855062
• Title: Mapping Dark-Matter Clusters via Physics-Guided Diffusion Models
• Title（参考訳）: 物理誘導拡散モデルによるダークマタークラスターのマッピング
• Authors: Diego Royo, Brandon Zhao, Adolfo Muñoz, Diego Gutierrez, Katherine L. Bouman,
• Abstract要約: 銀河団は重力レンズによる天体物理学と宇宙論の強力なプローブである。 光度測定と重力レンズ観測からクラスター表面の質量密度を再構築する完全自動手法を提案する。 提案手法では,専門家によるチューニングを必要とせず,時間ではなく数分で実行し,精度を向上し,MACS 1206クラスタの熟練した再構築と一致させる。
• 参考スコア（独自算出の注目度）: 14.61335649429346
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Galaxy clusters are powerful probes of astrophysics and cosmology through gravitational lensing: the clusters' mass, dominated by 85% dark matter, distorts background light. Yet, mass reconstruction lacks the scalability and large-scale benchmarks to process the hundreds of thousands of clusters expected from forthcoming wide-field surveys. We introduce a fully automated method to reconstruct cluster surface mass density from photometry and gravitational lensing observables. Central to our approach is DarkClusters-15k, our new dataset of 15,000 simulated clusters with paired mass and photometry maps, the largest benchmark to date, spanning multiple redshifts and simulation frameworks. We train a plug-and-play diffusion prior on DarkClusters-15k that learns the statistical relationship between mass and light, and draw posterior samples constrained by weak- and strong-lensing observables; this yields principled reconstructions driven by explicit physics, alongside well-calibrated uncertainties. Our approach requires no expert tuning, runs in minutes rather than hours, achieves higher accuracy, and matches expertly-tuned reconstructions of the MACS 1206 cluster. We release our method and DarkClusters-15k to support development and benchmarking for upcoming wide-field cosmological surveys.
• Abstract（参考訳）: 銀河団は重力レンズによる天体物理学と宇宙論の強力なプローブであり、クラスターの質量は85%の暗黒物質によって支配され、背景光を歪めている。 しかし、大規模再構築にはスケーラビリティや大規模ベンチマークが欠如しており、今後の広域調査で予想される数十万のクラスタを処理することができる。 光度測定と重力レンズ観測からクラスター表面の質量密度を再構築する完全自動手法を提案する。 このアプローチの中心はDarkClusters-15kです。これは、ペア化された質量と光度マップを備えた15,000のシミュレーションクラスタのデータセットで、これまでで最大のベンチマークで、複数の赤方偏移とシミュレーションフレームワークにまたがっています。 我々はDarkClusters-15kに先立ってプラグアンドプレイ拡散を訓練し、質量と光の統計的関係を学習し、弱いレンズと強いレンズで制約された後続サンプルを描画する。 提案手法では,専門家によるチューニングを必要とせず,時間ではなく数分で実行し,精度を向上し,MACS 1206クラスタの熟練した再構築と一致させる。 我々はDarkClusters-15kをリリースし、今後の広視野宇宙探査のための開発とベンチマークを支援する。

関連論文リスト

• From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
  ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。 微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
  論文  参考訳（メタデータ） (2025-12-01T11:47:49Z)
• GraViT: Transfer Learning with Vision Transformers and MLP-Mixer for Strong Gravitational Lens Discovery [0.0]
  重力レンズ検出のためのPyTorchパイプラインであるGraViTを紹介する。 転送学習が分類性能に与える影響を評価する。 HOLISMOKES VI と SugoHI X のデータセットを用いて10のアーキテクチャを微調整する。
  論文  参考訳（メタデータ） (2025-08-29T20:26:04Z)
• Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling [9.386611764730791]
  本稿では,銀河団のガス・ダークマター投影密度マップをスコアベース生成モデルを用いて再構成する手法を提案する。 我々の拡散モデルは、条件入力としてモックSZおよびX線画像を取り込み、学習データ後部からのサンプリングにより対応するガスおよびダークマターマップの実現を生成する。
  論文  参考訳（メタデータ） (2024-10-03T18:00:03Z)
• Detection of Strongly Lensed Arcs in Galaxy Clusters with Transformers [11.051750815556748]
  本稿では,変圧器を用いた検出アルゴリズムと画像シミュレーションアルゴリズムを含む,クラスタスケールの強レンズアークを検出するフレームワークを提案する。 その結果,シミュレーション画像からの強レンズアーク検出において,99.63 %の精度,90.32 %のリコール率,85.37 %の精度,0.23 %の偽陽性率が得られた。
  論文  参考訳（メタデータ） (2022-11-11T02:33:34Z)
• 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)
• 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)
• Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly Types [60.45942774425782]
  我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。 これは異常検出とは違い、その目標は異常を通常のデータから分割することである。 パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-21T23:11:33Z)
• Inferring dark matter substructure with astrometric lensing beyond the power spectrum [0.0]
  そこで我々は,地球規模の暗黒物質による重力レンズのシグネチャの探索手法を提案する。 提案手法は, 暗黒物質群に対する感度が有意に向上したことを示す。
  論文  参考訳（メタデータ） (2021-10-04T18:00:00Z)
• 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)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)

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。