Aug, 2017

AutoLens: 强透镜的光线、质量和源的自动建模

PDF
TL;DRAutoLens 是第一个完全自动化的激光束强引力透镜建模套件，采用无定形的方法来适应透镜源的固有属性，并使用贝叶斯模型比较自动地选择光质量和质量模型的复杂程度，使得能够精确地导出适用于现实数据的光源、质量和源轮廓。
发现论文，激发创造
  • PyAutoLens：开源强引力透镜

    PyAutoLens 是一个开源 Python 3.6+ 软件包，可以自动地对系团和银河系的强引力透镜进行建模，并支持直接成像和干涉仪数据集，成为研究暗物质、宇宙学和最遥远宇宙的有力工具。

    Jun, 2021

  • 应用自适应网格的贝叶斯强引力透镜建模：在星系中客观探测物质亚结构

    介绍一种新的自适应全贝叶斯网格方法，用于建模具有扩展图像的强引力透镜，通过高倍率放大的弧和爱因斯坦环的效应来量化大质量星系中的明亮和暗质量亚结构水平，并使用拟合广义线性模型的贝叶斯惩罚函数去修正潜在的网格潜在的亚结构，实现源和潜在的正则化多样性的客观评估；基于 Nested-Sampling 技术，实现了对所有的非线性质量模型参数的误差量化，能将不同的势能模型根据边缘化证据进行客观排名，其精度能检测 Einstein 环上质量大于等于 10 ^ 7 太阳质量的扰动。

    May, 2008

  • 基组法引导的引力透镜建模

    本文提出基于万能基组的强透镜建模方法，使用高性能蒙特卡罗算法，桥接参数化与像素化重建方法的差距，可发现镜中和源面的亚结构，跨度范围宽，为大规模强透镜天体观测提供了新方法。

    Apr, 2015

  • 使用连续神经场进行强引力透镜源重建

    研究使用神经网络在高分辨率镜像数据上模拟暗物质、远距离星系光学扭曲等，以解答宇宙学中的一些大问题。

    Jun, 2022

  • 用卷积神经网络快速自动分析强引力透镜

    本文报道了使用深度卷积神经网络在非常快速且自动化的方式下准确估计透镜参数的方法，不需要使用最大似然方法，而且可以提供一种非专家获取大量数据的透镜参数估计的方法。

    Aug, 2017

  • 利用卷积神经网络在暗能量调查中搜索强透镜系统

    使用卷积神经网络从第一批 Dark Energy Survey（DES）数据中筛选出强引力透镜系统的候选物，包括 405 个透镜候选物和 539 个可用于训练 CNNs 的环状星系候选物，并构建自动化建模管道来对 52 个有单个偏转器的系统进行建模。

    Aug, 2021

  • 引力透镜的质量模型目录

    本文综述了现代应用强引力透镜中使用的多个不同族的质量模型，包括相应策略和技术结果，所有这些模型都包含在名为 gravlens 的公开可用透镜软件中。

    Feb, 2001

  • 强引力透镜发现挑战

    通过大规模成像调查，使用自动化方法识别出强引力透镜，其中包括使用卷积神经网络等各种方法，得到的结果表明，这些方法识别率很高，远优于直接人工识别。

    Feb, 2018

  • 星系的强引力透镜效应

    本文综述了大规模强引力透镜成像数据的建模技术与应用，包括研究椭圆星系的质量结构、形成和演化，限制恒星初始质量函数，以及测量宇宙学参数等方面，并讨论了当前数据和方法的局限性以及未来的发展前景。

    Oct, 2022

  • GIGA-Lens: 强引力透镜建模的快速贝叶斯推断

    本文介绍了一种名为 GIGA Lens 的基于梯度信息、GPU 加速的 Bayesian 模型，利用 TensorFlow 和 JAX 实现。通过模拟实验证明了该框架具有高性能、鲁棒性和可扩展性，可以用来对当前调查中发现的大量强镜进行建模，非常有前景。

    Feb, 2022