2 分で読了
0 views

ML駆動による強いレンズの発見: θ_E ∼ 0.03” および M_halo< 10^11 M_☉

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

ケントくん

博士、今日はどんな面白い話を教えてくれるの?

マカセロ博士

今日は強い重力レンズ効果の発見に関する、機械学習を使った研究について話そうと思うんじゃ。

ケントくん

強い重力レンズ効果って何?普通の望遠鏡で見れるの?

マカセロ博士

望遠鏡で直接見るのは難しいかもしれんが、強い重力レンズは時空の曲がりによって、遠くの天体の光が手前の大きな天体によって屈折して見える現象なんじゃよ。

ケントくん

へぇー、なんか鏡で光を屈折させるみたいだね!でも、それが機械学習でどう関係するの?

マカセロ博士

良い質問じゃ。機械学習を使うと、たくさんの天体データの中からこうしたレンズ効果を見つけ出すのが非常に効率的なんじゃ。今回は特に小さい角度θ_E ∼ 0.03” と比較的小さな質量 M_halo< 10^11 M_☉ のレンズを見つけることができるんじゃ。

引用情報

ML-Driven Strong Lens Discoveries: Down to θ_E ∼ 0.03” and M_halo< 10^11 M_☉, 著者不明, ジャーナル不明, 2024

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
相互作用するサブシステム間の制御の特徴付け
(Characterizing control between interacting subsystems with deep Jacobian estimation)
次の記事
EuclidとRubin初期観測における候補ウルトラディフューズ銀河の形態と恒星集団
(Morphology and stellar populations of a candidate ultra-diffuse galaxy in early Euclid and Rubin imaging)
関連記事
隔離と誘導:モデル抽出攻撃に対抗する堅牢なディープニューラルネットワークの訓練
(Isolation and Induction: Training Robust Deep Neural Networks against Model Stealing Attacks)
時系列の低次・高次意味を融合したMasked Time Series生成の改善
(Blending Low and High-Level Semantics of Time Series for Better Masked Time Series Generation)
マージ出力のための整合された分類器のファインチューニング — モデルマージにおけるより優れた評価プロトコルへ
(Fine-tuning Aligned Classifiers for Merging Outputs: Towards a Superior Evaluation Protocol in Model Merging)
ビジョントランスフォーマーのパラメータ効率化とメモリ効率化のチューニング
(Parameter-Efficient and Memory-Efficient Tuning for Vision Transformer: A Disentangled Approach)
マルチラベル胸部X線認識のための二モーダル橋渡し型グラフ畳み込みネットワーク
(BB-GCN: A Bi-modal Bridged Graph Convolutional Network for Multi-label Chest X-Ray Recognition)
生物学的ニューラルネットワークを用いた盲非負源分離
(Blind nonnegative source separation using biological neural networks)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む