CMBスペクトルのデータ駆動型潜在変数解析

宇宙論モデルを仮定しない変分オートエンコーダを用いた多タスク学習により、CMBパワースペクトルの表現に必要な潜在変数の数を調査し、標準的な宇宙論パラメータとの対応関係を評価した。

• 宇宙論モデルを用いず、変分オートエンコーダによる多タスク学習でCMBスペクトルを解析した。
• 潜在変数の数Lを変化させ、Planck 2018データとの比較によりL=6が適切であることを示した。
• 解釈性とデータ適合度のトレードオフが存在し、異なる学習戦略の特性を明らかにした。

原文タイトル: OCCAMS: A Multi-Task Learning-Based Investigation of the CMB Power Spectra

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。