論文の概要: Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction
- arxiv url: http://arxiv.org/abs/2605.21483v1
- Date: Wed, 20 May 2026 17:59:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.835164
- Title: Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction
- Title（参考訳）: 速度変換器:宇宙速度再構成のためのBroken-Symmetry-Matched Equivariant Graph Transformer
- Authors: Tilman Tröster, David Mirkovic, Veronika Oehl, Arne Thomsen,
- Abstract要約: 我々は、観測データの特定の対称性に適合するように設計された同変グラフ変換器アーキテクチャであるVelocityformerを紹介する。
モデルの帰納バイアスとデータの対称性を一致させることで、すべてのモデルサイズとトレーニングボリュームのパフォーマンスが一貫して向上します。
ベロフォーマは非常にデータ効率が高く、4つの低忠実度シミュレーションで高精度にトレーニングし、入力幾何、宇宙パラメータ、銀河サンプルにまたがってゼロショットを一般化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Precise measurement of the kinematic Sunyaev-Zel'dovich (kSZ) effect - a probe of the large-scale distribution of baryonic matter, a key observable for cosmological inference - requires accurate reconstruction of galaxy velocities from spectroscopic surveys. The signal-to-noise ratio (SNR) of kSZ measurements scales directly with the correlation coefficient $r$ between reconstructed and true velocities. We introduce Velocityformer, an equivariant graph transformer architecture designed to match the specific symmetry of the observational data. While the underlying physics is equivariant with respect to translations and rotations, observational effects break this symmetry due to the preferred line-of-sight direction. Matching the model's inductive bias to the data's broken symmetry consistently improves performance across all model sizes and training volumes, with Velocityformer improving $r$ by 35% over the standard linear theory baseline and outperforming ML baselines at every data volume. By matching the model's inductive bias to the data and conditioning on the physics-based long-wavelength solution, Velocityformer is highly data-efficient, training to high accuracy on as few as 4 low-fidelity simulations, and generalises zero-shot across input geometry, cosmological parameters, and galaxy sample. On high-fidelity simulated galaxy catalogues, this yields a 30% improvement in $r$ over the physical baseline, directly translating to the same SNR gain on observational data.
- Abstract（参考訳）: キネマティック・スニャーエフ・ゼルドビッチ(kSZ)効果の精密測定 - 宇宙論的推論の鍵となるバリオニクス物質の大規模分布のプローブ - は、分光観測から銀河速度を正確に再現する必要がある。
kSZ測定の信号対雑音比(SNR)は、再構成された速度と真の速度の間の相関係数$r$と直接スケールする。
我々は、観測データの特定の対称性に適合するように設計された同変グラフ変換器アーキテクチャであるVelocityformerを紹介する。
基礎となる物理は、翻訳や回転に関して同じであるが、観測効果は、視線方向が好ましいため、この対称性を破る。
モデルの帰納バイアスとデータの対称性を一致させることで、すべてのモデルサイズとトレーニングボリュームのパフォーマンスが一貫して向上し、Velocityformerは標準線形理論ベースラインよりも$r$35%向上し、データボリューム毎にMLベースラインを上回っている。
モデルの帰納バイアスと物理ベースの長波長解の条件付けとを一致させることで、Velocityformerはデータ効率が高く、4つの低忠実度シミュレーションで高い精度でトレーニングし、入力幾何学、宇宙パラメータ、銀河サンプルでゼロショットを一般化する。
高忠実度シミュレートされた銀河カタログでは、観測データ上で同じSNRゲインに直接変換することで、物理的ベースラインに対して$r$が30%向上する。
関連論文リスト
- Symmetry in the Wild: The Role of Equivariance in Neural Fluid Surrogates [1.5465701096936584]
ニューラルサロゲートは計算流体力学(CFD)シミュレーションのオーダー・オブ・マグニチュード・アクセラレーションを可能にする。
群同変アーキテクチャはそのようなバイアスを導入するための原則化された方法であるが、学習問題自体が対称性を破るときに有害となることがある。
本稿では,拡張性と対称性の保存を両立させるニューラルネットワークであるAnchored-Branched Geometric Algebra Transformer (AB-GATr)を紹介する。
論文 参考訳（メタデータ） (2026-05-12T10:47:33Z) - Neutrino Oscillation Parameter Estimation Using Structured Hierarchical Transformers [2.9849405664643585]
ニュートリノ振動はニュートリノ質量と混合パラメータの基本情報を符号化する。
確率ベースやモンテカルロサンプリングのような従来の推論手法は、パラメータ空間を探索するために広範囲なシミュレーションを必要とする。
本稿では,大気中ニュートリノ振動パラメータ推論を教師付き回帰タスクとして再構成するデータ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T18:40:08Z) - AI-IO: An Aerodynamics-Inspired Real-Time Inertial Odometry for Quadrotors [7.235882639523209]
慣性オドメトリー(IO)は、慣性測定単位(IMU)のみに依存するため、四重項応用において注目を集めている。
本研究では,慣性オドメトリー学習問題に対して,異なる視点からアプローチする。
ロータ速度測定を取り入れることで,速度予測精度を36.9%向上する。
論文 参考訳（メタデータ） (2026-02-28T11:17:09Z) - Is Flow Matching Just Trajectory Replay for Sequential Data? [46.770624059457724]
時系列生成には、フローマッチング(FM)がますます使われている。
一般的な力学構造を学ぶのか、それとも単に効果的な「軌道再生」を行うのかはよく分かっていない。
インプリッドサンプリングは、非パラメトリックなメモリ拡張型連続時間力学系を構成するODEであることを示す。
論文 参考訳（メタデータ） (2026-02-09T06:48:45Z) - Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。
我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
論文 参考訳（メタデータ） (2025-12-02T17:49:08Z) - Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。
学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。
また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
論文 参考訳（メタデータ） (2025-02-14T03:26:57Z) - EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。
そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
論文 参考訳（メタデータ） (2024-08-12T17:42:46Z) - Rotational Equilibrium: How Weight Decay Balances Learning Across Neural Networks [33.88586668321127]
本研究は,ディープニューラルネットワークにおける個々のニューロンの更新挙動に重み劣化が及ぼす影響について検討する。
本研究では, 回転を明示的に制御することで, 重量減衰の利点が得られ, 学習率のウォームアップを著しく低減できることを示した。
論文 参考訳（メタデータ） (2023-05-26T19:14:01Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T11:29:49Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z)
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。