論文の概要: High-dimensional inference for the $γ$-ray sky with differentiable programming
- arxiv url: http://arxiv.org/abs/2604.08648v1
- Date: Thu, 09 Apr 2026 18:00:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 17:57:53.518824
- Title: High-dimensional inference for the $γ$-ray sky with differentiable programming
- Title（参考訳）: 微分可能プログラミングをもつ$γ$-ray空の高次元推論
- Authors: Siddharth Mishra-Sharma, Tracy R. Slatyer, Yitian Sun, Yuqing Wu,
- Abstract要約: 我々は、宇宙物理学的な$$$-ray分析に固有の大きなモデル空間を考慮に入れるために、微分可能確率的プログラミング技術の使用を動機付けている。
我々の設定は、変分法を用いて、大きなモデル空間上の効率的な推論を可能にします。
- 参考スコア（独自算出の注目度）: 0.4144164715872596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We motivate the use of differentiable probabilistic programming techniques in order to account for the large model-space inherent to astrophysical $γ$-ray analyses. Targeting the longstanding Galactic Center $γ$-ray Excess (GCE) puzzle, we construct differentiable forward model and likelihood that make liberal use of GPU acceleration and vectorization in order to simultaneously account for a continuum of possible spatial morphologies consistent with the GCE emission in a fully probabilistic manner. Our setup allows for efficient inference over the large model space using variational methods. Beyond application to $γ$-ray data, a goal of this work is to showcase how differentiable probabilistic programming can be used as a tool to enable flexible analyses of astrophysical datasets.
- Abstract（参考訳）: 我々は、天文学的な$γ$-ray分析に固有の大きなモデル空間を考慮に入れるために、微分可能確率的プログラミング技術の使用を動機付けている。
長年続くGCE(Galactic Center $γ$-ray Excess)パズルを目標として,GPUアクセラレーションとベクトル化のリベラルな利用を可能とし,GCEのエミッションと整合した空間形態の連続性を,完全に確率的に説明するために,相違可能なフォワードモデルを構築した。
我々の設定は、変分法を用いて、大きなモデル空間上の効率的な推論を可能にします。
この研究の目的は、$γ$-rayデータへの適用以外にも、宇宙物理学データセットの柔軟な分析を可能にするツールとして、いかに異なる確率的プログラミングを使用できるかを示すことである。
関連論文リスト
- Geometric Operator Learning with Optimal Transport [77.16909146519227]
複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。
表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。
ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
論文 参考訳（メタデータ） (2025-07-26T21:28:25Z) - 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) - Shared Stochastic Gaussian Process Latent Variable Models: A Multi-modal Generative Model for Quasar Spectra [2.3099448395832956]
我々は、観測されたスペクトルの特徴と銀河や太陽系外惑星などの天体の科学的性質の両方を含むデータセットの天体物理学への応用に焦点をあてる。
クエーサーとして知られる非常に明るい銀河のスペクトルとその性質を、複数の観測空間で研究する。
単一のデータポイントは、それぞれ異なる可能性を持つ異なる観察のクラスによって特徴づけられる。
論文 参考訳（メタデータ） (2025-02-27T06:57:23Z) - Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳（メタデータ） (2024-02-15T08:51:49Z) - MOCK: an Algorithm for Learning Nonparametric Differential Equations via Multivariate Occupation Kernel Functions [0.6030884970981525]
d$次元状態空間の軌跡から得られる通常の微分方程式の非パラメトリック系は、$d$変数の$d$関数を学ぶ必要がある。
明示的な定式化はしばしば、スパーシティや対称性といったシステム特性に関する追加の知識が得られない限り、$d$で2次的にスケールする。
本稿では,ベクトル値を持つカーネルヒルベルト空間から得られる暗黙の定式化を用いて,線形アプローチ,多変量占有カーネル法(MOCK)を提案する。
論文 参考訳（メタデータ） (2023-06-16T21:49:36Z) - {\Pi}-ML: A dimensional analysis-based machine learning parameterization
of optical turbulence in the atmospheric surface layer [0.0]
いわゆる光乱流と呼ばれる大気屈折率の乱流変動は、レーザービームを著しく歪ませることができる。
本稿では,次元解析と勾配向上に基づく物理インフォームド・機械学習(ML)手法である$Pi$-MLを提案し,C_n2$を推定する。
論文 参考訳（メタデータ） (2023-04-24T15:38:22Z) - VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。
ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。
本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2023-04-03T13:13:19Z) - GalaxAI: Machine learning toolbox for interpretable analysis of
spacecraft telemetry data [48.42042893355919]
GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。
多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。
本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
論文 参考訳（メタデータ） (2021-08-03T10:45:20Z)
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。