論文の概要: Interpretable Neural Marked Statistics for Cosmological Inference
- arxiv url: http://arxiv.org/abs/2606.11295v1
- Date: Tue, 09 Jun 2026 18:00:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.116
- Title: Interpretable Neural Marked Statistics for Cosmological Inference
- Title（参考訳）: 宇宙論的推論のための解釈可能なニューラルマーク統計
- Authors: Federico Semenzato, Benjamin D. Wandelt, Michele Liguori, Alvise Raccanelli,
- Abstract要約: マーク付き統計は、フィールドを非線形関数で重み付けすることで、この情報の一部を2点レベルに戻す。
本稿では,この過程を解釈可能で物理的に動機付けられた変換によって一般化するニューラルマーキング手法を提案する。
我々のアプローチは、宇宙論的推論のためのより強力で解釈可能な要約統計への扉を開く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recovering cosmological information beyond the power spectrum is a central goal for upcoming cosmological surveys, since late-time non-Gaussian signal in the matter density cannot be accessed through two-point statistics alone. Marked statistics fold part of this information back into the two-point level by reweighting the field with non-linear functions. We propose a neural marking scheme to generalize this process through a set of interpretable, physically motivated transformations that directly allow to interpret the gain in cosmological information at the morphological level. We employ a contrastive learning objective to align learnable marked summaries with the underlying cosmological parameters. At $k_{\max}=0.2\,h\mathrm{Mpc}^{-1}$, our neural mark tightens the marginalized constraint on $σ_8$ by $2.9\times$ and on $Ω_m$ by $1.8\times$ compared to classical marks, breaking the $Ω_m-σ_8$ degeneracy at the Fisher information level. It further reduces the parameter MSE across our cosmological parameter prior by $1.45\times$ over the best classical mark. The learned latent geometry aligns with the $Ω_m$ and $σ_8$ directions in parameter space, indicating that the contrastive objective recovers the dominant axes of cosmological information. Our approach opens the door to more powerful, interpretable summary statistics for cosmological inference.
- Abstract（参考訳）: 物質密度の遅い非ガウス信号は、2点統計だけではアクセスできないため、パワースペクトルを超えて宇宙情報を復元することが今後の宇宙調査の中心的な目的である。
マーク付き統計は、フィールドを非線形関数で重み付けすることで、この情報の一部を2点レベルに戻す。
本稿では,この過程を解析的,物理的に動機づけられた変換によって一般化するニューラルマーキング手法を提案する。
我々は、学習可能なマーク付き要約と基礎となる宇宙パラメータを整合させるために、対照的な学習目標を用いる。
k_{\max}=0.2\,h\mathrm{Mpc}^{-1}$で、我々のニューラルマークは、$σ_8$$$.9\times$と$Ω_m$$$1.8\times$の限界制約を締め付け、フィッシャー情報レベルで$Ω_m-σ_8$の縮退を破る。
これにより、最も優れた古典的マークよりも1.45\times$よりも前に、宇宙的パラメータ全体にわたるパラメータ MSE をさらに削減できる。
学習された潜在幾何学はパラメータ空間の$Ω_m$および$σ_8$方向と一致し、対照的な目的が宇宙情報の支配的な軸を回復することを示す。
我々のアプローチは、宇宙論的推論のためのより強力で解釈可能な要約統計への扉を開く。
関連論文リスト
- Emergence and scaling laws in SGD learning of shallow neural networks [64.48316762675141]
等方性ガウスデータに基づいてP$ニューロンを持つ2層ニューラルネットワークを学習するためのオンライン勾配降下(SGD)の複雑さについて検討した。
平均二乗誤差(MSE)を最小化するために,学生2層ネットワークのトレーニングのためのSGDダイナミックスを高精度に解析する。
論文 参考訳（メタデータ） (2025-04-28T16:58:55Z) - A possible late-time transition of $M_B$ inferred via neural networks [0.0]
ハッブル定数の張力は、局所的な宇宙と初期の宇宙の制約の間の緊張と見なすことができる。
我々は、絶対等級の値を不可知的に制約するためにニューラルネットワークを用いる。
我々は、$zapprox 1$ 領域における遷移赤方偏移の可能性を示唆する。
論文 参考訳（メタデータ） (2024-02-16T08:21:43Z) - Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。
植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
論文 参考訳（メタデータ） (2024-02-01T03:39:01Z) - SimBIG: Field-level Simulation-Based Inference of Galaxy Clustering [2.3988372195566443]
本稿では、銀河団のフィールドレベル解析から、宇宙パラメータの最初のシミュレーションベース推論(SBI)を提案する。
重み付き畳み込みニューラルネットワークを用いて、BOSS CMASS銀河サンプルのサブセットにSimBIGを適用し、銀河場の大規模データ圧縮を行う。
この研究は、競合する宇宙学の制約を提示するだけでなく、DESI、PSS、ユークリッドのような今後の銀河調査で追加の宇宙学情報を活用する新しい手法も導入している。
論文 参考訳（メタデータ） (2023-10-23T18:05:32Z) - Bayesian deep learning for cosmic volumes with modified gravity [0.0]
本研究では,不確実性推定による深層ニューラルネットワークを用いて,修正重力(MG)シミュレーションから宇宙パラメータを抽出することを目的とした。
実空間密度場とパワースペクトルの両BNNを2000ダークマターのみの粒子メッシュのスイートから訓練する。
BNNは$Omega_m$と$sigma_8$のパラメータとMGパラメータとの相関を正確に予測する。
論文 参考訳（メタデータ） (2023-09-01T17:59:06Z) - Transformers as Support Vector Machines [54.642793677472724]
自己アテンションの最適化幾何と厳密なSVM問題との間には,形式的等価性を確立する。
勾配降下に最適化された1層変圧器の暗黙バイアスを特徴付ける。
これらの発見は、最適なトークンを分離し選択するSVMの階層としてのトランスフォーマーの解釈を刺激していると信じている。
論文 参考訳（メタデータ） (2023-08-31T17:57:50Z) - Protecting information via probabilistic cellular automata [68.8204255655161]
我々は,最近導入された確率的セルオートマトン,スイープルール,および,(T,h)$平面において共存する2つの安定位相の領域をマップアウトする。
我々の研究は、幾何学的に局所的な誤り訂正戦略がいかにノイズの多いシステムに符号化された情報を保護するかを理解するための一歩である。
論文 参考訳（メタデータ） (2023-04-06T17:21:39Z) - Cosmology from Galaxy Redshift Surveys with PointNet [65.89809800010927]
宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。
我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。
我々のPointNetsの実装は、$mathcalO(104) - MathcalO(105)$銀河の入力を一度に分析できるので、この応用の初期の作業は、およそ2桁の精度で改善される。
論文 参考訳（メタデータ） (2022-11-22T15:35:05Z) - Satellite galaxy abundance dependency on cosmology in Magneticum
simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。
A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。
また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
論文 参考訳（メタデータ） (2021-10-11T18:00:02Z)
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。