本文旨在探討馬可夫圖像生成模型中,重建性反向動力學的收斂特性,並分析其與正向動力學譜特性之間的關係,並應用於自旋翻轉和擴散過程。
이 논문은 이미지 생성을 위한 마르코프 모델의 수렴 속성을 분석하고, 특히 스핀-플립 역학 및 확산 과정에 대한 적용 사례를 제시합니다.
This paper analyzes the convergence properties of forward and backward Markov dynamics in image generation, focusing on how well the reconstructed images reflect the original data as a function of time.
본 논문에서는 제한된 시뮬레이션 예산 내에서 실제 관측 데이터와의 비교를 통해 희소 은하 시뮬레이션을 평가하는 새로운 접근 방식을 제시합니다. 이는 SDSS 이미지의 풍부한 데이터 세트에서 정보를 추출하는 희소 변이 자동 인코더(VAE)를 훈련하고, 시뮬레이션 이미지의 잠재적 임베딩에서 훈련된 분류기의 로짓을 기반으로 분포 외 감지(OOD)를 수행하여 시뮬레이션과 실제 관측 간의 차이를 강조합니다. 또한, 확률적 분류를 사용한 분할 상환 베이지안 모델 비교(BMC)를 통해 각 모델의 상대적 적합성을 확인하고 SHAP 값을 통해 부분적인 설명을 제공합니다.
本稿では、疎銀河シミュレーションの現実性を評価するために、大規模観測データを用いた事前学習済み深層学習モデルとベイズモデル比較を組み合わせた新しい手法を提案しています。
This research leverages machine learning techniques, specifically out-of-distribution detection and amortized Bayesian model comparison, to evaluate the realism of six different hydrodynamical galaxy simulations by comparing them to real observational data from the Sloan Digital Sky Survey (SDSS).
本文介紹了一種基於神經網路後驗估計(NPE)的自動化強重力透鏡建模方法,並將其應用於真實的時延透鏡數據,為從大量透鏡樣本中進行宇宙學推論邁出了重要一步。
This paper introduces a novel approach to strong gravitational lens modeling using neural posterior estimation (NPE) and sequential NPE (SNPE), aiming to automate and accelerate the process for cosmological inference with large samples of lensed quasars.
This paper introduces GRRIS, a novel real-time intra-site observation scheduling scheme for distributed telescope arrays that leverages graph neural networks and multi-agent reinforcement learning to optimize observation task allocation and maximize overall observation quality.
본 논문에서는 은하계 매질의 3차원 자기장을 매핑하기 위해 싱크로트론 편광 미분과 비전 트랜스포머(ViT)를 결합한 새로운 머신러닝 접근 방식을 제안합니다.