Nov, 2023

噪声中的回声：基于分数的似然和先验的柔和星系表面亮度剖面的后验样本

PDF
TL;DR通过对银河系人口的详细结构进行研究，可以提供有价值的关于其形成和演化机制的深入洞察。本文介绍了一种方法，结合了基于得分的似然特征和扩散模型先验的最新进展，用于进行图像去卷积的贝叶斯分析。该方法在经过最简处理的哈勃太空望远镜（Hubble Space Telescope, HST）数据上应用时，恢复了只能在下一代詹姆斯・韦伯太空望远镜（James Webb Space Telescope, JWST）成像中才能看到的结构。
galaxy populationsformationevolution mechanismsimage deconvolutionbayesian analysis
发现论文，激发创造
  • 漫反射光的影响 I：PSF 及其在 NGC 5907 星系边缘观测中的作用

    介绍了现有广泛点扩散函数的特性和测量，分析了根据其模型和点扩散函数来研究分散光晕的表面亮度结构，总结了对观察结果的正确建模和分析的重要性。

    Jun, 2014

  • 星系图像的概率反卷积扩散模型

    基于条件扩散模型的星系图像 PSF 解卷积方法，相较条件变分自动编码器有更多样化的解卷积结果。

    Jul, 2023

  • 用基于评分的先验贝叶斯成像射电干涉

    利用光学图像的基于得分的先验，我们以高效的计算方式从 DSHARP 调查中恢复原行星盘的图像样本，尽管银河系先验估计不准确，我们的方法仍然能够得到可信的后验样本，并且能够与现有射电干涉成像算法有竞争力的结果。

    Nov, 2023

  • 神经得分估计的概率质量映射

    利用贝叶斯统计学、分析理论和基于神经得分匹配的深度生成模型的方法，构建一个高效的方法来进行弱引力透镜质量绘制，从而精确重建 HST/ACS COSMOS 领域的收敛地图。

    Jan, 2022

  • 使用扩散模型进行有偏追踪器的暗物质场概率重建

    基于先进的星系形成模拟套件，利用扩散生成模型预测给定恒星质量场的潜在暗物质场的无偏后验分布，并能够消除在宇宙学和星系形成中的不确定性。

    Nov, 2023

  • 通过深度生成图像先验在不同假设下对 M87 * 进行事件视界尺度成像

    以事件视界望远镜（EHT）对 M87 星系中心的超大质量黑洞 M87 * 的观测为基础，通过引入不同偏好的先验知识，采用贝叶斯推断和基于评分的先验方法，灵活地设计了一系列先验规则用于图像重建，并评估了重建图像的视觉特征和不确定性在先验选择方面的变化。

    Jun, 2024

  • 天文望远镜点扩散函数建模：弱重力透镜研究综述

    本篇论文旨在介绍天文观测中的点扩散函数（PSF）建模，包括背景知识、PSF 的物理贡献、建模方法与验证方法，并重点探讨 PSF 建模在未来天文望远镜中的挑战与未来发展方向。

    Jun, 2023

  • 基于评分的生成模型实现逼真星系图像模拟

    利用去噪扩散概率模型（DDPM）生成逼真的模拟星系图像，并借鉴深度生成学习文献中的 Frechet Inception 距离和新引入的合成星系距离指标进行相似度比较和 Emergent 物理特性比较，其效果比其他生成方法（如对手网络）更为真实，可用于量身定制特定成像调查的大量合成观测数据，证实其精确插值和域转换方法的潜在用途，并在星际物理学领域推动了该主题的进一步研究。

    Nov, 2021

  • 使用贝叶斯神经网络和不确定性量化推断低表面亮度星系的结构参数

    本研究使用贝叶斯神经网络推断（带有不确定性量化）从模拟低表面亮度星系图像中获取结构参数（大小、总亮度、光浓度等），相较于传统的轮廓拟合方法，我们证明了使用 BNN 获得的不确定性大小、精度与参数点估计比真实值更接近。此外，我们的方法速度也显着更快，这在宇宙学大数据时代尤为重要。

    Jul, 2022

  • 用数据驱动的星星模型提高 extsl {Gaia} 视差精度

    利用 2MASS 数据构建一个基于颜色和星等的模型作为先验知识，通过 Extreme Deconvolution 算法从 TGAS 数据计算出 TGAS 星系中每颗恒星更为精确的视差估计和后验概率分布。

    Jun, 2017