論文の概要: Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation

• arxiv url: http://arxiv.org/abs/2605.29016v1
• Date: Wed, 27 May 2026 19:16:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.337471
• Title: Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation
• Title（参考訳）: 21cm光電場エミュレーションのための3次元条件拡散モデル
• Authors: Bin Xia, John H. Wise,
• Abstract要約: 三次元21cm光錐エミュレーションのための条件拡散モデルについて検討する。 空平面サイズが64ドル(約6,400円)で、視界深度が最大1024セルまである立方体に焦点を合わせています。 事前処理の選択、ダイナミックレンジ圧縮設定、アーキテクチャの深さ、トレーニング期間の制御された比較を行う。
• 参考スコア（独自算出の注目度）: 4.210446607355696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate conditional diffusion modeling for three-dimensional 21 cm lightcone emulation, focusing on cubes with a sky-plane size of $64\times64$ and a line-of-sight depth up to 1024 cells. Relative to earlier 2D studies, the 3D setting is substantially harder because memory limits enforce very small micro-batches while the underlying voxel distribution is highly skewed and long tailed. We perform controlled comparisons across preprocessing choices, dynamic-range compression settings, architecture depth, and training duration using $25{,}600$ training lightcones and validation ensembles at fixed parameter points. For validation, each reference parameter point contains 800 21cmFAST realizations with independent initial conditions, and we use 800 samples per model and per reference set for the reported ensemble comparisons. We evaluate generated lightcones with complementary diagnostics in both image and summary-statistic spaces: brightness-temperature slices, the global signal, the power spectrum, and reduced scattering coefficients. Across the tested configurations, preprocessing is the dominant factor governing stable training and the resulting physical fidelity. Among the configurations explored here, Yeo-Johnson preprocessing combined with moderate amplitude compression gives the most consistently favorable trade-off, with the strongest quantitative support coming from rankings based on the standard-deviation-normalized mean absolute error ($\mathrm{MAE}_{\rm std}$) of the global signal and qualitatively compatible behavior in the complementary diagnostics. At the same time, visually plausible 3D samples still retain measurable biases in two-point and higher-order statistics. We therefore view the present work as a simulation-level baseline for three-dimensional 21 cm emulation and for future studies that incorporate more realistic observational effects.
• Abstract（参考訳）: 三次元21cm光錐エミュレーションの条件拡散モデルについて検討し,空平面サイズが6,4\times64$の立方体と,最大1024セルまでの視線深度を持つ立方体に着目した。 初期の2D研究とは対照的に、3D設定は、メモリ制限が非常に小さなマイクロバッチを強制するのに対して、基礎となるボクセル分布は高度に歪み、長い尾を持つため、かなり難しい。 我々は,事前処理の選択,ダイナミックレンジ圧縮設定,アーキテクチャ深度,トレーニング期間を25ドル,600ドル(約2万2000円)で比較した。 評価のために,各基準パラメータポイントは,独立初期条件付き80021cmFAST実測値を含み,報告されたアンサンブル比較のためのモデル毎のサンプルと参照セット毎のサンプルを使用する。 我々は,輝度温度スライス,大域信号,パワースペクトル,散乱係数の低減といった,画像および要約統計空間の相補的診断による生成光源の評価を行った。 テストされた構成全体において、事前処理は安定したトレーニングと結果として生じる物理的忠実さを支配する主要な要因である。 ここで検討した構成の中で、Yeo-Johnson前処理と中程度の振幅圧縮を組み合わせることで、標準偏差正規化平均絶対誤差(\mathrm{MAE}_{\rm std}$)と相補的診断における定性的に整合した振る舞いに基づくランク付けから得られる最強の定量的サポートにより、最も良好なトレードオフが得られる。 同時に、視覚的に可視な3Dサンプルは、2点統計と高次統計において測定可能なバイアスを保っている。 そこで本研究は,3次元21cmエミュレーションと,より現実的な観察効果を取り入れた将来の研究のためのシミュレーションレベルベースラインとみなす。

関連論文リスト

• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• M^3: Dense Matching Meets Multi-View Foundation Models for Monocular Gaussian Splatting SLAM [36.28718478194476]
  M3はMulti-view基盤モデルを専用のMatchingヘッドで拡張し、細粒度の密度の高い通信を容易にする。 室内および屋外の様々なベンチマークの実験は、ポーズ推定とシーン再構成の両方において最先端の精度を示している。
  論文  参考訳（メタデータ） (2026-03-17T17:52:37Z)
• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment [27.352639822596146]
  クロスワーカーの損失と勾配のばらつきは、従来の監視信号では見えない。 本稿では,標準パイプラインで容易に利用できるトレーニング信号を用いて,作業者レベルの一貫性を定量化する,モデルに依存しない診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T04:42:30Z)
• Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
  バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である 現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。 本稿では,これらの制約に対処する頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-06T05:20:12Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
  連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。 まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。 本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T16:45:30Z)
• Point-wise Diffusion Models for Physical Systems with Shape Variations: Application to Spatio-temporal and Large-scale system [1.474723404975345]
  本稿では,形状変化を伴う複雑な物理系を効率的に予測するために,時間的点を独立に処理する点幅拡散モデルを提案する。 複雑な幾何学的構成を持つ3つの異なる物理領域にまたがるアプローチを検証する。 提案手法は,画像ベース拡散モデルよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-08-02T06:55:59Z)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• A unified framework for 21cm tomography sample generation and parameter inference with Progressively Growing GANs [7.6146285961466]
  EoR(Epoch of Reionisation)では,特定のタイプのニューラルネットワーク,PGGAN(Progressively Growing Generative Adversarial Network)を用いて,21cmの輝度温度の現実的なトモグラフィ画像を生成する。 ネットワークは新しいサンプルを1秒で$sim 3'$の解像度で生成し(ラップトップCPU上で)、その結果のグローバルな21cm信号、パワースペクトル、ピクセル分布関数はトレーニングデータのそれとよく一致する。
  論文  参考訳（メタデータ） (2020-02-19T00:39:50Z)

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。