2 分で読了
3 views

局所H0測定における宇宙分散の影響

(The impact of the cosmic variance on H0 on cosmological analyses)

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

田中専務

拓海先生、最近若手から「H0の緊張」って話を聞きまして、会議で説明を振られそうなんです。要するに何が問題なんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!H0は宇宙の膨張速度を示す係数で、それの局所測定と宇宙背景放射(CMB)からの推定でズレが出ているんです。簡単に言うと、測り方や誤差の扱いで結論が変わる可能性があるんですよ。

田中専務

なるほど。で、その論文では何を新しく示したんですか?余計な専門語は抜きで教えてください。

AIメンター拓海

いい質問です。端的に三点で整理しますね。1) 局所的なランダムな揺らぎ、いわゆる宇宙分散(cosmic variance, CV)を誤差に組み入れると、H0の局所測定の不確かさが増える。2) その結果、特定の代替モデル(例えばwCDM)が示す優位性が弱まる。3) したがってモデル選択の結論が変わり得る、という点です。大丈夫、一緒にやれば必ずできますよ。

田中専務

これって要するに、局所の誤差を小さく見積もっていたから、別の理論が有利に見えてしまっていたということですか?

AIメンター拓海

まさにその通りです。補足すると、局所測定に含まれるのは観測誤差だけでなく、近傍の銀河の流れ(peculiar velocities)などから生じる系统誤差もあるのです。これを無視すると分析で偏りが出ますよ。

田中専務

それを測るのは難しいんじゃないですか。結局、我々が会議で意志決定する上で何を見ればいいですか。

AIメンター拓海

要点は三つです。1) まず誤差の

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
共通メンバーシップ攻撃(Co-Membership Attacks)に関する解説
次の記事
VIPERSによる銀河分類の再定義
(The VIMOS Public Extragalactic Redshift Survey: The complexity of galaxy populations revealed with unsupervised machine-learning algorithms)
関連記事
RGB-Dとサーマルセンサーの融合
(RGB-D AND THERMAL SENSOR FUSION)
相互作用スクリーニング:イジングモデルの効率的かつサンプル最適な学習
(Interaction Screening: Efficient and Sample-Optimal Learning of Ising Models)
高校生と作るジェネレーティブAI ― 同時に学び・使う参加型デザイン
(“How can we learn and use AI at the same time?”: Participatory Design of GenAI with High School Students)
高次元共変量下のLATEに対する識別頑健な推論
(Identification-robust inference for the LATE with high-dimensional covariates)
拡張動作生成のためのキーフレームマスクマンバ
(KMM: Key Frame Mask Mamba for Extended Motion Generation)
高速学習は良い記憶を必要とする
(Fast Learning Requires Good Memory)
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