論文の概要: Strong Gravitational Lensing Posterior Sampling in Pixel-Space Using Diffusion Models and Recurrent Inference Machines

• arxiv url: http://arxiv.org/abs/2607.19459v1
• Date: Tue, 21 Jul 2026 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.899297
• Title: Strong Gravitational Lensing Posterior Sampling in Pixel-Space Using Diffusion Models and Recurrent Inference Machines
• Title（参考訳）: 拡散モデルとリカレント推論マシンを用いた画素空間の高重力レンズ後部サンプリング
• Abstract要約: 本研究では,観測条件付き画素画像として,源銀河の後方サンプルと前景の質量分布を生成する手法を提案する。 背景銀河や前景銀河を用いて現実的な重力レンズシミュレーションをモデル化することができる。
• 参考スコア（独自算出の注目度）: 4.7414910806409996
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling galaxy-galaxy strong gravitational lenses to infer the brightness of the source galaxy and the mass distribution of the foreground galaxy is computationally challenging, particularly for high-resolution, high signal-to-noise ratio observations. In this regime, high-dimensional representations of both the source and the foreground mass distribution are necessary to model the data down to the noise level. This inference problem has been challenging for both traditional and machine learning-based methods because of its high dimensionality and its non-linearity in the foreground mass distribution. We present a method to generate joint posterior samples of the source galaxy and foreground mass distribution as pixelated images conditioned on observations. The method combines diffusion-based generative modeling and recurrent inference machines. It can model realistic gravitational lensing simulations with background and foreground galaxies drawn from cosmological hydrodynamical simulations down to the noise level.
• Abstract（参考訳）: 銀河ギャラクシーの強い重力レンズをモデリングして、源銀河の明るさと前景銀河の質量分布を推定することは、特に高分解能で高信号-雑音比の観測において、計算的に困難である。 この体制では、音源と前景の質量分布の両方の高次元表現が、ノイズレベルまでデータをモデル化するために必要である。 この推論問題は、その高次元性と前景の質量分布における非線形性のため、従来の手法と機械学習手法の両方において困難である。 本研究では,観測条件付き画素画像として,源銀河の合同後部サンプルと前景の質量分布を生成する手法を提案する。 この方法は拡散に基づく生成モデルと繰り返し推論マシンを組み合わせる。 背景銀河や前景銀河を用いて現実的な重力レンズシミュレーションをモデル化することができる。

関連論文リスト

• Score Matching on Large Geometric Graphs for Cosmology Generation [14.637236070358588]
  宇宙論における銀河の重力クラスタリングをシミュレートする等変グラフニューラルネットワークを用いたスコアベース生成モデルを提案する。 提案した同変スコアベースモデルでは,60,000halosまでの本格的な宇宙論的な点雲の生成に成功した。 この研究は、構造形成の基盤となる重力クラスターと密接に類似するように設計された生成モデルを導入することで進展する。
  論文  参考訳（メタデータ） (2025-08-23T11:08:06Z)
• Provable Maximum Entropy Manifold Exploration via Diffusion Models [58.89696361871563]
  探索は科学的な発見のような現実世界の意思決定問題を解決するために重要である。 本稿では,事前学習した拡散モデルにより暗黙的に定義された近似データ多様体に対して,探索をエントロピーとしてキャストする新しいフレームワークを提案する。 本研究では,事前学習した拡散モデルの逐次微調整として探索問題を解くミラー降下に基づくアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2025-06-18T11:59:15Z)
• Conditional Diffusion-Flow models for generating 3D cosmic density fields: applications to f(R) cosmologies [0.0]
  次世代の銀河探査は、宇宙スケールでの重力のテストにおいて前例のない精度を約束する。 本研究では,3次元暗黒物質密度場を生成するための条件生成モデルについて,スコアベース(拡散)およびフローベース手法を用いて検討する。
  論文  参考訳（メタデータ） (2025-02-24T12:06:23Z)
• A point cloud approach to generative modeling for galaxy surveys at the field level [0.431625343223275]
  宇宙における銀河の分布を記述するために拡散に基づく生成モデルを導入する。 クイジョートシミュレーションスイートにおける暗黒物質ハローの最初の応用例を示す。 このアプローチは、宇宙データの包括的な分析を可能にするために拡張することができる。
  論文  参考訳（メタデータ） (2023-11-28T19:00:00Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• 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)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• Towards solving model bias in cosmic shear forward modeling [2.967246997200238]
  弱い重力レンズは、宇宙のせん断と呼ばれる銀河形態のわずかなせん断を発生させる。 楕円度測定の統計に基づくせん断推定の現代の技術は、楕円度が任意の銀河の光のプロファイルに対して適切に定義された量ではないという事実に悩まされている。 生成モデルが銀河形態を捉えるハイブリッド物理・ディープラーニング階層ベイズモデルにより、現実的な銀河上でのせん断の偏りのない推定を復元できることを示す。
  論文  参考訳（メタデータ） (2022-10-28T16:23:49Z)

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。