文献

J-GLOBAL ID：202202229042374684   整理番号：22A0839943

構造形成シミュレーションに適用した分類アルゴリズム【JST・京大機械翻訳】

Classification algorithms applied to structure formation simulations

著者 (3件)： Chacon J. (Instituto de Ciencias Fisicas, Universidad Nacional Autonoma de Mexico, Apdo. Postal 48-3, 62251 Cuernavaca, Morelos, Mexico) ,  Vazquez J.A. (Instituto de Ciencias Fisicas, Universidad Nacional Autonoma de Mexico, Apdo. Postal 48-3, 62251 Cuernavaca, Morelos, Mexico) ,  Almaraz E. (Instituto de Ciencias Fisicas, Universidad Nacional Autonoma de Mexico, Apdo. Postal 48-3, 62251 Cuernavaca, Morelos, Mexico)
資料名： Astronomy and Computing  (Astronomy and Computing)
巻： 38  ページ： Null  発行年： 2022年 
JST資料番号： W3296A  ISSN： 2213-1337  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 宇宙論的シミュレーションを通して,初期条件における物質密度場の特性は,今日形成された構造の特徴に決定的な影響を与える。本論文では,ランダムフォレスト分類アルゴリズムを用いて,暗黒物質粒子が初期条件に遡るか否かを推論し,その質量がいくつかの閾値以上の暗黒物質ハローに終わることを示した。この問題は,物質密度場の初期条件がハロファインダプログラムによって提供される分類ラベルに写像される二値分類タスクとして提起される。著者らの結果は,ランダムフォレストが,完全なプロセスを実行することなく宇宙論的シミュレーションの出力を予測する有効なツールであることを示した。これらの技法は,計算時間を減らし,宇宙構造の形成に対する異なる暗黒物質/暗エネルギー候補の影響をより効率的に探索するために将来使用できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 宇宙論 ,  *シミュレーション ,  エネルギー ,  ファインダ ,  *構造形成 ,  *計算機アルゴリズム ,  初期条件 ,  宇宙空間 ,  暗黒物質 ,  機械学習
準シソーラス用語： 数値シミュレーション ,  *分類アルゴリズム ,  ランダムフォレスト ,  密度場 ,  二値分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 数値シミュレーション ,  N体系 ,  機械学習

分類 (1件)： 宇宙論  (DB07000D)

タイトルに関連する用語 (3件)： 構造形成 ,  シミュレーション ,  分類アルゴリズム