論文の概要: Fast, accurate, and differentiable: a neural-network surrogate for NRSur7dq4 precessing binary black hole waveforms
- arxiv url: http://arxiv.org/abs/2607.24960v1
- Date: Mon, 27 Jul 2026 18:08:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.586287
- Title: Fast, accurate, and differentiable: a neural-network surrogate for NRSur7dq4 precessing binary black hole waveforms
- Title（参考訳）: 高速、高精度、微分可能:二元ブラックホール波形を先行するNRSur7dq4のためのニューラルネットワークサロゲート
- Authors: Michael Pürrer, Ashwin Girish, Lucy M. Thomas, Scott E. Field, Vijay Varma,
- Abstract要約: NRSur7dq4重力波形モデルをエミュレートするニューラルネットワークサロゲートモデルを提案する。
我々は、NRSur7dq4に対するサロゲートを、その全パラメータ空間にまたがる10,000の波形に対して検証する。
これは、評価されたNR忠実な精度と完全に微分可能なGPU加速推論パイプラインを組み合わせた、先行する数値相対性理論波形モデルの初めてのニューラルネットワークサロゲートである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a neural network surrogate model that emulates the NRSur7dq4 gravitational waveform model for precessing binary black hole mergers. The surrogate decomposes the waveform into constituent quantities and trains an independent multilayer perceptron (MLP) for each. We validate the surrogate against NRSur7dq4 on 10,000 waveforms spanning its full parameter space ($1 \leq q \leq 4$, $|χ_{A,B}| \leq 0.8$). For representative total masses between 60 and 300 $M_\odot$, median sky-averaged frequency-domain mismatches range from $8.0 \times 10^{-5}$ to $1.7 \times 10^{-4}$, with 95th percentiles below $10^{-3}$. On an NVIDIA L40S GPU the JAX surrogate evaluates a single waveform in about 1 ms end-to-end, roughly 10 times faster than the LALSimulation C implementation of NRSur7dq4, and sustains about 140 times the LALSimulation throughput at batch size 64, making it well suited for both low-latency parameter-estimation samplers and large-scale waveform generation. The full NRSur7dq4 NN waveform-to-likelihood pipeline is implemented in JAX and is differentiable. This is the first neural-network surrogate of a precessing numerical-relativity waveform model to combine validated NR-faithful accuracy with a fully differentiable, GPU-accelerated inference pipeline, enabling gradient-based inference approaches via automatic differentiation including Fisher information matrices, GPU-accelerated nested sampling, gradient-based MCMC and importance sampling.
- Abstract（参考訳）: NRSur7dq4重力波形モデルをエミュレートしたニューラルネットワークサロゲートモデルを提案する。
サーロゲートは波形を成分量に分解し、それぞれに独立した多層パーセプトロン(MLP)を訓練する。
我々は NRSur7dq4 に対するサロゲートを、その全パラメータ空間にまたがる10,000の波形に対して検証する(1 \leq q \leq 4$, $|\_{A,B}| \leq 0.8$)。
60から300$M_\odot$の間の代表的総質量については、平均的な周波数領域のミスマッチは8.0 \times 10^{-5}$から1.7 \times 10^{-4}$までで、95%が10^{-3}$以下である。
NVIDIA L40S GPUでは、JAXサロゲートは、NRSur7dq4のLALSimulation C実装の約10倍の1ミリ秒のエンドツーエンドでの単一波形を評価し、バッチサイズ64のLALSimulationスループットを約140倍維持し、低遅延パラメータ推定サンプリングと大規模波形生成の両方に適している。
NRSur7dq4 NN の完全な波形変換パイプラインは JAX で実装されており、微分可能である。
これは、検証済みNR忠実精度と完全に微分可能なGPU加速型推論パイプラインを組み合わせ、フィッシャー情報行列、GPU加速型ネストサンプリング、勾配に基づくMCMC、重要サンプリングを含む自動微分による勾配ベースの推論アプローチを可能にする、先行する数値相対性波形モデルの初めてのニューラルネットワークサロゲートである。
関連論文リスト
- Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - Auto-encoder model for faster generation of effective one-body gravitational waveform approximations [0.8602553195689513]
本稿では,アライメントスピンSEOBNRv4インスピリアルリングダウン波形の生成を高速化するための条件付き変分自動エンコーダモデルを提案する。
我々のモデルは平均速度4.46msで0.1秒で100の波形を生成することができる。
これは、lalsimulationのネイティブSEOBNRv4実装よりも2～3桁高速である。
論文 参考訳（メタデータ） (2025-11-16T15:18:37Z) - FFT-Accelerated Auxiliary Variable MCMC for Fermionic Lattice Models: A Determinant-Free Approach with $O(N\log N)$ Complexity [52.3171766248012]
量子多体系のシミュレーションを劇的に高速化するマルコフ連鎖モンテカルロ(MCMC)アルゴリズムを導入する。
我々は,量子物理学のベンチマーク問題に対するアルゴリズムの有効性を検証し,既知の理論結果を正確に再現する。
我々の研究は、大規模確率的推論のための強力なツールを提供し、物理学に着想を得た生成モデルのための道を開く。
論文 参考訳（メタデータ） (2025-10-13T07:57:21Z) - PINGS: Physics-Informed Neural Network for Fast Generative Sampling [0.0]
PINGSは,物理インフォームドネットワークをトレーニングし,逆時間確率フローのダイナミクスを近似することで拡散サンプリングを補正するフレームワークである。
概念実証として、3次元標準正規から非ガウスガウス混合モデル(GMM)への直接写像を学習する。
PINGSは、終点アンカーを持つPINNスタイルの残差問題として生成的サンプリングを行い、NFE = 1 のホワイトボックスで微分可能な写像を得る。
論文 参考訳（メタデータ） (2025-09-14T14:22:33Z) - A Deep Learning Powered Numerical Relativity Surrogate for Binary Black Hole Waveforms [32.776709911649554]
ニューラルネットワークに基づくNRサロゲートモデルに対する2段階のトレーニング手法を提案する。
これら2段階の人工神経サロゲートモデルは、高速かつ競争的に正確な波形生成を提供する。
パラメータ推定タスクに使用できることを示す。
論文 参考訳（メタデータ） (2024-12-09T19:45:30Z) - Sequence modeling of higher-order wave modes of binary black hole mergers [0.0]
準円、回転、非精密な二元ブラックホールの融合による高次重力波モードは、これらの系の非線形力学に関する重要な情報を符号化する。
我々はこれらの波形をトランスフォーマーアーキテクチャを用いてモデル化し、リングダウンによる晩期から晩期までの進化を目標にしている。
以上の結果から,変圧器を用いたモデルでは,双対ブラックホール融合の非線形ダイナミクスを高精度に捉えることが可能であることが示唆された。
論文 参考訳（メタデータ） (2024-09-05T18:00:11Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Minimum optical depth multiport interferometers for approximating arbitrary unitary operations and pure states [37.69303106863453]
我々は、マルチポート干渉計を用いて、純状態の準備とユニタリ操作を与えられた不忠実さで近似する問題に対処する。
数値計算により、任意の次元$d$の純粋な状態が不忠実で作成できることが示される。
論文 参考訳（メタデータ） (2020-02-04T15:40:49Z)
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。