論文の概要: Stable but Wrong: An Inference Limit in Galactic Archaeology

• arxiv url: http://arxiv.org/abs/2604.27368v1
• Date: Thu, 30 Apr 2026 03:30:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.904778
• Title: Stable but Wrong: An Inference Limit in Galactic Archaeology
• Title（参考訳）: 安定だが誤り:銀河考古学における推論限界
• Authors: Zhipeng Zhang,
• Abstract要約: 観察的品質は,年齢推定に体系的バイアスをもたらすものではないことを示す。 サブガント星の大きなサンプルを用いて、推定生成時間スケールが0.5-1Gyrの体系的なオフセットを示す観測品質パラメータ空間内の領域を同定する。
• 参考スコア（独自算出の注目度）: 24.578102943388256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Statistical inference in observational science typically relies on a fundamental assumption: as sample size increases and uncertainties decrease, the inferred results should converge to the true physical quantities. This assumption underpins the notion that big data lead to more reliable conclusions. In Galactic archaeology, stellar ages inferred from spectroscopic surveys are widely used to reconstruct the formation history of the Milky Way disk. The age metallicity relation (AMR) and its derived formation timescale are often regarded as key physical diagnostics of early disk evolution. This interpretation carries an implicit premise: that observational quality does not introduce systematic bias into age inference. Here we show that this premise may fail. Using a large sample of subgiant stars, we identify a region in the observational quality parameter space (signal-to-noise ratio and parallax precision) where the inferred formation timescale exhibits a systematic offset of 0.5-1 Gyr relative to an independent asteroseismic reference, while the statistical uncertainties remain small, thus producing a stable-but-wrong inference state.
• Abstract（参考訳）: 標本のサイズが増加し不確実性が減少するにつれて、推測された結果は真の物理量に収束する。 この仮定は、ビッグデータがより信頼性の高い結論をもたらすという概念の根底にある。 銀河考古学において、分光観測から推定される恒星年代は、銀河系円盤の形成史を再構築するために広く用いられている。 年齢金属量関係(AMR)とそれに由来する形成時間スケールは、初期円盤進化の物理診断の鍵となるものとみなされることが多い。 この解釈は、観察的品質が年齢推定に体系的バイアスを導入しないという暗黙の前提を持っている。 ここでは、この前提が失敗する可能性があることを示す。 サブガント星の大規模なサンプルを用いて、観測品質パラメータ空間(信号-雑音比とパララックス精度)の領域を同定し、推定された生成時間スケールは、独立な立体視基準に対して0.5-1Gyrの体系的なオフセットを示し、統計的不確実性は小さいままであり、安定な逆推定状態を生成する。

関連論文リスト

• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Detecting a long lived false vacuum with quantum quenches [0.0]
  より短い時間スケールで、その差を診断できる物理現象があることが示される。 小さな遷移バブルは大きなバブルよりも一般的である。 このようなシグネチャが連続体理論に持続することを示す。
  論文  参考訳（メタデータ） (2023-08-16T13:02:35Z)
• Bayesian Renormalization [68.8204255655161]
  ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。 ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。 本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
  論文  参考訳（メタデータ） (2023-05-17T18:00:28Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)
• On detection statistics in double-double-slit experiment [0.0]
  本稿では,2重2重スリット実験における検出データの統計解析を行う。 主な結果は、粒子の到着時間と位置を含む検出データの左画面および右画面上の共同分布である。
  論文  参考訳（メタデータ） (2022-08-02T09:19:29Z)
• alpha-Deep Probabilistic Inference (alpha-DPI): efficient uncertainty quantification from exoplanet astrometry to black hole feature extraction [7.5042943749402555]
  推論は、間接的および雑音の測定から隠れた天体物理学の特徴を推定する現代の天文学研究において重要である。 従来の後方推定手法にはサンプリングに基づく手法と変分推論がある。 生成ニューラルネットワークと組み合わせたアルファ・ディバージェンス変分推論を用いて、近似した後進を学習するディープラーニングフレームワークであるα-DPIを提案する。
  論文  参考訳（メタデータ） (2022-01-21T00:58:10Z)
• A Bayesian Convolutional Neural Network for Robust Galaxy Ellipticity Regression [5.129856875153228]
  銀河の楕円性を確実に推定する畳み込みニューラルネットワークを提案する。 畳み込みネットワークは、画像内のノイズの存在による不確かさを校正し、適切なアレエータ的不確かさを正しく推定するように訓練できるが、信頼できる楕円性分布を生成することができない。
  論文  参考訳（メタデータ） (2021-04-20T14:01:57Z)
• Entropic Causal Inference: Identifiability and Finite Sample Results [14.495984877053948]
  エントロピー因果推論は、観測データから2つのカテゴリー変数間の因果方向を推定する枠組みである。 Kocaogluらによって提示される最小エントロピー結合に基づくアルゴリズムアプローチを検討する。
  論文  参考訳（メタデータ） (2021-01-10T08:37:54Z)

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。