深い森林:Lyman-Alpha森林のニューラルネットワーク再構築【JST・京大機械翻訳】

Huang Lawrence; Croft Rupert A. C.; Arora Hitesh

プレプリント

J-GLOBAL ID：202202211311099111 整理番号：21P0050141

深い森林:Lyman-Alpha森林のニューラルネットワーク再構築【JST・京大機械翻訳】

Deep Forest: Neural Network reconstruction of the Lyman-alpha forest

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年09月22日プレプリントサーバーでの情報更新日： 2021年09月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

Lyman-α森林における観測可能な伝達フラックスから物理量を推定するための深層学習の使用を検討した。宇宙流体力学シミュレーションとそれらから構築したモックデータセットからの赤方偏移z=3出力を用いてニューラルネットワークを訓練した。訓練されたネットワークが,雑音の多い,しばしば飽和した透過フラックスデータから,Lyman-α森林吸収のための光学的深さを再構成できる方法を評価した。ニューラルネットワークは,対数反転とスプライン補間を含む代替再構成法よりも,光学深さ根二乗平均誤差において約2倍優れている。利得は,高光学深さ領域で最も大きいが,雑音に対する入力データ信号の改善には有意な依存性は見られなかった。ここで研究したLyman-α森林光学深度は,単純な1次元の例として役立ったが,深い学習とシミュレーションの利用を,宇宙論における逆問題に取り組むために,他の物理量と高次元データに拡張できた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

リモートセンシング一般 , 測樹学 , 植物生態学 , 光学情報処理

, ,

前のページに戻る