文献

J-GLOBAL ID：202202233943622203   整理番号：22A0777927

宇宙の大規模構造の再構築のための深層学習応用【JST・京大機械翻訳】

Deep Learning Application for Reconstruction of Large-Scale Structure of the Universe

著者 (1件)： Moriwaki Kana (The University of Tokyo, Bunkyo, Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13167  ページ： 73-82  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究では,機械学習を用いて線強度マッピング(LIM)観測で得られた天文学的データを解析した。LIMは銀河と銀河間媒質から放射されるスペクトル線の大規模強度変動を測定する新たな方法である。大規模な分布を観察することは,宇宙論と銀河形成と進化の研究を可能にする。LIMによる問題の1つは,観測ノイズとラインインターロッパである。LIMにより得られた雑音のある三次元データから,これらの汚染物質を除去し,指定された信号を抽出する三次元畳込みニューラルネットワーク(CNN)を開発した。このCNNは,スペクトル方向における長距離相関の抽出を促進するアーキテクチャを持つ。著者らは,それらをシミュレーションで作り出されるモック観測データに訓練し,それらが多重発光線を適切に抽出できることを見出した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 宇宙論 ,  雑音 ,  発光 ,  ネットワーク ,  観測 ,  汚染物質 ,  スペクトル ,  媒質 ,  多重化 ,  *銀河 ,  三次元 ,  強度ゆらぎ ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 宇宙論と天体物理学 ,  宇宙の大規模構造 ,  信号分離 ,  三次元畳込みニューラルネットワーク ,  生成敵対ネットワーク

分類 (2件)： 宇宙論  (DB07000D) ,  星雲  (DB06000W)

タイトルに関連する用語 (4件)： 宇宙の大規模構造 ,  再構築 ,  深層学習 ,  応用