論文の概要: 3D dark matter map of the JWST COSMOS-Web field using diffusion-based generative priors
- arxiv url: http://arxiv.org/abs/2611.03786v1
- Date: Mon, 02 Nov 2026 19:00:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 11:05:44.771445
- Title: 3D dark matter map of the JWST COSMOS-Web field using diffusion-based generative priors
- Title（参考訳）: 拡散型生成前駆体を用いたJWST COSMOS-Webフィールドの3次元ダークマターマップ
- Abstract要約: 深部ジェームズ・ウェッブ宇宙望遠鏡を用いた0.04 deg$2$ COSMOS-Webフィールドにおける3次元物質分布の再構成を行った。
結果は、3次元弱レンズマッピングを高赤方偏移非ガウス状態に拡張する。
- 参考スコア（独自算出の注目度）: 5.9057004086414855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mapping the three-dimensional distribution of dark matter is key to tracing the growth of cosmic structure. Two-dimensional weak lensing mass maps recover its projected distribution, but they blend structures at different distances along the line of sight. We reconstruct the three-dimensional matter distribution in the 0.54 deg$^2$ COSMOS-Web field using deep James Webb Space Telescope imaging, with an effective source density of 121 galaxies arcmin$^{-2}$ We combine a physical weak lensing forward model with a diffusion-based Bayesian generative prior learned from cosmological simulations, yielding a posterior distribution of the matter field across 20 lens planes to $z \simeq 2$, doubling the redshift reach of previous Hubble Space Telescope-based 3D reconstructions and approaching cosmic noon, an epoch of rapid galaxy growth. The reconstruction separates structures that overlap in projection and recovers non-Gaussian matter structure across a range of spatial scales, including over-densities associated with independently identified galaxy clusters that were not detected in earlier weak lensing maps. Posterior sampling quantifies the range of three-dimensional matter distributions allowed by the data, enabling a probabilistic visualization of the cosmic web while propagating uncertainties in its inferred structure. Null and simulation-based tests show that the recovered structures are supported by the lensing signal and are consistent with expectations from the fiducial $Λ$CDM cosmology. These results extend three-dimensional weak lensing mapping into the high-redshift, non-Gaussian regime and establish a route towards probabilistic mapping of the evolving cosmic web with current wide-field lensing surveys.
- Abstract（参考訳）: ダークマターの三次元分布をマッピングすることは、宇宙構造の成長を追跡する鍵となる。
2次元弱レンズ質量マップは投影された分布を復元するが、視線に沿って異なる距離で構造をブレンドする。
我々は、11.54 deg$^2$ COSMOS-Webフィールドの3次元物質分布を、ディープ・ジェームズ・ウェッブ宇宙望遠鏡による121個の銀河の有効源密度 arcmin$^{-2}$ で再構成し、物理弱レンズ前方モデルと拡散ベースのベイズ生成モデルを組み合わせた。
この再構成は、投射において重なり合う構造を分離し、初期の弱いレンズ地図では検出されなかった独立した銀河団に付随する超密度を含む、様々な空間スケールで非ガウス的な物質構造を復元する。
後部サンプリングは、データによって許される3次元物質分布の範囲を定量化し、その推定された構造における不確実性を伝播しながら、宇宙ウェブの確率的可視化を可能にする。
核およびシミュレーションに基づく試験は、回収された構造がレンズ信号によって支持され、フィデューシャルな$$$CDM宇宙論からの期待と一致していることを示している。
これらの結果は、高赤方偏移非ガウス状態への3次元弱レンズマッピングを拡張し、現在の広視野レンズサーベイによる進化する宇宙ウェブの確率的マッピングへの道筋を確立する。
関連論文リスト
- VolS-GS: Relightable Gaussian Splatting with Volumetric Subsurface Scattering [51.56484100374058]
VolS-GSは、ワンライト・アズ・ア・タイムからオブジェクトを再構築する、楽しいガウシアン・スプレイティング・フレームワークである。
ネットワークは各ガウスの散乱と吸収係数を予測し、解は結果の場を通して入射光を再分配する。
3つのOLATベンチマークの実験では、VolS-GSはホールドアウトライトとビューの照準品質を一貫して改善している。
論文 参考訳（メタデータ） (2026-10-02T20:09:16Z) - SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。
既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。
SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
論文 参考訳（メタデータ） (2026-09-07T14:47:54Z) - SeeSE3: Emergence of 3D Space in Vision Features [54.140615953727355]
視覚特徴空間の構造とユークリッド変換群$SE(3)$の関係について検討する。
本研究は、3次元ユークリッド空間と非常に強く相関する潜在部分空間を有する自己監督型視覚モデルについて,原理的に3次元の直接監督やアクティブエージェンシーの訓練を受けていないことを示す。
本稿では,視覚計測と局所化を潜在空間で純粋に行う「潜時空間ナビゲーション」技術について,明示的な3次元再構成の必要性を回避して提案する。
論文 参考訳（メタデータ） (2026-07-15T18:00:31Z) - Generative Diffusion Priors for 3D Mapping of the Dark Universe [9.150017776789321]
弱いレンズの観測からダークマターの3次元分布を再構築することは、宇宙論における中心的だが非常に不適切な逆問題である。
これにより、宇宙時間でダークマター構造の完全な3D分布をキャプチャする前に、データ駆動拡散モデルを学ぶことができます。
現代の弱レンズ調査を対象とする現実的なシミュレーションでは,ベースライン法よりも大幅に改良された2次元および3次元再構成精度が得られた。
論文 参考訳（メタデータ） (2026-05-30T16:42:15Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - 3D Gaussian Splatting for Annular Dark Field Scanning Transmission Electron Microscopy Tomography Reconstruction [13.051560405222775]
ADF-STEMトモグラフィーは多視点傾斜画像を統合することで3次元のナノスケール材料を再構成する。
傾斜角の散乱を安定化し、散乱ビュー正規化による一貫したデンザを確保するために$$係数を導入する。
45-viewと15-viewの傾きシリーズの実験では、デンザ・ガウシアンは元の傾きとより密接な2次元のプロジェクションと高忠実さの再現を行う。
論文 参考訳（メタデータ） (2026-04-06T14:01:43Z) - Dark Energy Survey Year 3 results: Simulation-based $w$CDM inference from weak lensing and galaxy clustering maps with deep learning. I. Analysis design [0.2854985824260583]
この研究は、弱いレンズと銀河団地図を組み合わせた最初のシミュレーションベース推論(SBI)パイプラインを示す。
我々は、DES Y3の100万以上の自己整合モック実現を実現するために、N体シミュレーションのCosmoGridV1スイートに基づくスケーラブルなフォワードモデルを開発した。
我々は、球形形状における全サーベイフットプリント上の深部グラフ畳み込みニューラルネットワークを訓練し、ターゲットパラメータの相互情報をほぼ最大化する低次元特徴を学習する。
論文 参考訳（メタデータ） (2025-11-06T18:59:59Z) - PFDepth: Heterogeneous Pinhole-Fisheye Joint Depth Estimation via Distortion-aware Gaussian-Splatted Volumetric Fusion [61.6340987158734]
ヘテロジニアス多視点深度推定のための最初のピンホール・フィッシュアイ・フレームワークPFDepthを提案する。
PFDepthは、ピンホールと魚眼カメラの任意の組み合わせを、様々な内在と外生とで処理できる統一アーキテクチャを採用している。
我々は,現在の主流深度ネットワーク上でのKITTI-360およびRealHetデータセットに対して,PFDepthが最先端の性能を示すことを示す。
論文 参考訳（メタデータ） (2025-09-30T09:38:59Z) - Revealing the 3D Cosmic Web through Gravitationally Constrained Neural Fields [15.645523903662033]
弱い重力レンズは、主に宇宙におけるダークマターの重力効果によって引き起こされる銀河形状のわずかな歪みである。
我々は、宇宙の暗黒物質場の3次元マップを再構成するために、2次元の望遠鏡画像から弱いレンズ信号を反転させようとする。
本稿では, 連続物質分布を柔軟にモデル化するために, 重力拘束型ニューラルネットワークを用いた手法を提案する。
論文 参考訳（メタデータ） (2025-04-21T17:43:21Z) - The Galactic 3D large-scale dust distribution via Gaussian process
regression on spherical coordinates [0.0]
銀河の3Dダスト分布を知ることは、星間物質の多くの過程を理解するのに重要である。
ここでは,有意義な解像度要素の数の増加とともに,銀河ダスト分布の3次元再構成を目指す。
提案した3次元ダストマップの明らかな限界にもかかわらず、復元された構造物のかなりの部分が独立したメーザー観測によって確認されている。
論文 参考訳（メタデータ） (2022-04-25T15:14:39Z) - Pseudo RGB-D for Self-Improving Monocular SLAM and Depth Prediction [72.30870535815258]
モノクロ深度予測のためのCNNは、周囲の環境の3Dマップを構築するための2つの大きく不連続なアプローチを表している。
本稿では,CNN予測深度を利用してRGB-D特徴量に基づくSLAMを行う,狭義の広義の自己改善フレームワークを提案する。
一方、より原理化された幾何学的SLAMの3次元シーン構造とカメラポーズは、新しい広義のベースライン損失により奥行きネットワークに注入される。
論文 参考訳（メタデータ） (2020-04-22T16:31:59Z)
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。