論文の概要: Transformers with Physics-Informed Encodings and Simulation-Based Inference for Robust Detection of Eccentric Binary Black Holes in Pulsar Timing Array Data
- arxiv url: http://arxiv.org/abs/2607.03904v1
- Date: Sat, 04 Jul 2026 14:59:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.760229
- Title: Transformers with Physics-Informed Encodings and Simulation-Based Inference for Robust Detection of Eccentric Binary Black Holes in Pulsar Timing Array Data
- Title（参考訳）: 物理インフォームドエンコーディングとシミュレーションベース推論を用いたパルサー時間アレイデータにおける偏心ブラックホールのロバスト検出
- Abstract要約: 偏心二元ブラックホールの効率的な推定のための物理インフォームド位置符号化フレームワークを用いた変圧器を提案する。
提案手法は, 構造的位置エンコーディングによる解析的GW位相の進化を直接モデルに組み込む。
信号と雑音の比の幅にわたって、提案手法は物理に依存しないベースラインと比較して精度の向上、後方のシャープ化、推論の高速化を実現している。
- 参考スコア（独自算出の注目度）: 4.305160643026584
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pulsar timing arrays (PTAs) provide a unique window into nanohertz gravitational waves (GWs), but extracting astrophysical parameters from noisy, long-baseline timing residuals remains computationally challenging with traditional Bayesian techniques due to the high dimensionality of the parameter space, complex and correlated noise models, and the cost of repeated likelihood evaluations. We introduce a Transformer with a physics-informed positional-encoding framework for the efficient inference of eccentric binary black holes in relativistic orbits from PTA data. Our approach embeds analytical GW phase evolution directly into the model through structured positional encodings, enabling the network to learn physically meaningful representations from raw PTA timing residuals. We then use generative models, including discrete and continuous conditional normalizing flows, to infer posterior distributions within a simulation-based inference framework. Across a range of signal-to-noise ratios, the proposed method achieves improved accuracy, sharper posteriors, and faster inference compared to physics-agnostic baselines. While presented for deterministic white-noise signals, the modular framework readily generalizes to realistic PTA analyses incorporating red noise and additional components. This work highlights the potential of physics-aware deep learning models as scalable alternatives to conventional inference pipelines for next-generation PTA datasets.
- Abstract（参考訳）: パルサータイミングアレイ(PTA)はナノヘルツ重力波(GWs)に固有の窓を提供するが、パラメータ空間の高次元性、複素および相関ノイズモデル、繰り返し確率評価のコストにより、ノイズの多い長いベースライン時間残差から天体物理パラメータを抽出することは、従来のベイズ手法では計算的に困難である。
PTAデータからの相対論的軌道における偏心二元ブラックホールの効率的な推定のための物理インフォームド位置符号化フレームワークを導入したトランスフォーマーを提案する。
提案手法は,解析的なGW位相の進化を直接モデルに組み込むことで,生のPTA時間残差から物理的に意味のある表現を学習することを可能にする。
次に、離散的および連続的条件正規化フローを含む生成モデルを用いて、シミュレーションベース推論フレームワーク内の後部分布を推定する。
信号と雑音の比の幅にわたって、提案手法は物理に依存しないベースラインと比較して精度の向上、後方のシャープ化、推論の高速化を実現している。
決定論的ホワイトノイズ信号が提示される一方で、モジュラーフレームワークは赤ノイズと追加成分を取り入れた現実的なPTA分析に容易に一般化する。
この研究は、次世代のPTAデータセットに対する従来の推論パイプラインに代わるスケーラブルな代替手段として、物理学を意識したディープラーニングモデルの可能性を強調している。
関連論文リスト
- Learning Metamaterial Eigenmodes with Wavelet-Encoded Fourier Neural Operators [57.64362886310329]
ニューラル演算子に基づく機械学習サロゲートは,弾性波動方程式の複数の固有モードを学習し,予測できることを示す。
メタマテリアル設計では、サロゲートは設計サイクルのシミュレーション段階を、コンシューマグレードのCPU上の有限要素解析と比較して3桁の速度で加速する。
これらの結果は、スペクトルニューラル演算子に基づく他のマルチモードPDEソルバの入力エンコーディングを設計するための幅広い意味を持つ。
論文 参考訳（メタデータ） (2026-09-08T01:21:46Z) - From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime [52.459513910242485]
拡散訓練における最適な雑音レベルアロケーションを研究するための一般統計フレームワークを開発する。
最適化されたトレーニングスケジュールは、有限個のノイズレベルに集中した原子最小値を持つことを示す。
次に,大規模実験におけるエントロピック・スケジュールの評価を行った。
論文 参考訳（メタデータ） (2026-07-10T20:59:06Z) - Binary Black Hole Parameter Estimation with Hybrid CNN-Transformer Neural Networks [0.27998963147546146]
機械学習とディープラーニングの最近の進歩は、信号検出とパラメータ推定の両方への応用への関心が高まっている。
本研究では,よく確立された畳み込みニューラルネットワークアーキテクチャとともにトランスフォーマーエンコーダの有効性を活用するハイブリッドディープラーニング戦略を提案する。
この研究の主な焦点は点推定であり、完全な後続分布ではなく、各パラメータに最も適した1つの値を生成する。
論文 参考訳（メタデータ） (2026-06-11T22:05:33Z) - Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。
FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。
連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
論文 参考訳（メタデータ） (2026-03-23T03:22:33Z) - 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) - Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation [7.958594167693376]
パラメータ化還元次数モデル(ROM)の効率的な再学習戦略を提案する。
この戦略は計算時間の一部を必要としながら、完全再訓練に匹敵する精度を得る。
力学系を考えると、アウト・オブ・サンプル予測における誤差の主な原因は、潜在多様体の歪みに起因することが示される。
論文 参考訳（メタデータ） (2026-02-26T16:43:28Z) - From Sparse Sensors to Continuous Fields: STRIDE for Spatiotemporal Reconstruction [3.2580743227673694]
時空間デコーダを用いた高次元空間場を潜時状態にマッピングするフレームワークSTRIDEを提案する。
STRIDEは超高分解能をサポートし、超高分解能をサポートし、ノイズに対して頑健であることを示す。
論文 参考訳（メタデータ） (2026-02-04T04:39:23Z) - Learning from Scratch: Structurally-masked Transformer for Next Generation Lib-free Simulation [5.564681128355971]
本稿では,多段階データパスのパワーとタイミング予測のためのニューラルネットワークフレームワークを提案する。
私たちの知る限りでは、これは標準セル用に明示的に設計された言語ベースのネットリスト対応ニューラルネットワークとしては初めてのものです。
論文 参考訳（メタデータ） (2025-07-23T10:46:25Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳（メタデータ） (2021-06-23T18:00:05Z)
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。