文献

J-GLOBAL ID：201802273267396785   整理番号：18A1719671

データ科学と天文学 大規模構造クラスタリング統計量の予言-機械学習的アプローチ

Theoretical Predictions of Statistics of Cosmological Large Scale Structures: Machine-Learning Approach

著者 (1件)： 西道啓博 (東大 国際高等研 カブリ数物連携宇宙研究機構)
資料名： 天文月報  (Astronomical Herald)
巻： 111  号： 10  ページ： 702-712  発行年： 2018年09月20日 
JST資料番号： F0543A  ISSN： 0374-2466  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 観測データを説明する数理モデルや内包されるパラメータのベイズ推定には,適切な理論テンプレートが必要である。宇宙大規模構造の理論予言には,N体シミュレーションが威力を発揮するが,多次元パラメータ空間を埋め尽くすように多数のシミュレーションを用意し,そのままテンプレートとするのは現実的ではない。本稿では,すばる望遠鏡Hyper Suprime-Camによる銀河・銀河レンズ効果の解析を念頭に構築した,「ダークエミュレータ」を題材に,ベイズの枠組みでパラメータ推定や予測を行う方法論について紹介する。特に,その基礎となる多次元パラメータ空間の効率的なサンプリングや,ガウス過程を用いた回帰について詳しく解説する。(著者抄録)

シソーラス用語： *機械学習 ,  方式 ,  測定データ ,  数学モデル ,  *Bayes推定 ,  赤外線望遠鏡 ,  反射望遠鏡 ,  天体カメラ ,  Gauss過程 ,  エミュレータ ,  重力レンズ ,  *回帰分析 ,  すばる望遠鏡 ,  Hyper Suprime-Cam ,  *宇宙の大規模構造
準シソーラス用語： *宇宙大規模構造 ,  クラスタリング法 ,  観測データ ,  数理モデル ,  重力レンズ効果

分類 (1件)： 宇宙論  (DB07000D)

引用文献 (14件)：

• http://sumire.ipmu.jp/
• Skilling, J., 2004, AIP Conference Proceedings, 735, 395
• Goodman, J., & Weare, J., 2010, Comm. App. Math. Comp. Sci., 5, 65
• Takahashi, R., et al., 2009, ApJ, 700, 479
• Springel, V., et al., 2005, Nature, 435, 629

タイトルに関連する用語 (5件)： 科学 ,  天文学 ,  クラスタリング ,  統計量 ,  機械学習