基盤モデルによる頑健な再電離推論

自己教師あり学習を用いたVision Transformerを異なるシミュレータ間で再利用し、頑健で較正された宇宙論的パラメータ推定を実現した。

• シミュレーションベース推論におけるモデルの誤仕様やシミュレータ間の乖離という課題に取り組んだ。
• 半数値的シミュレータで自己教師あり事前学習を行ったViTを、未学習のシミュレータデータに対するエンコーダとして凍結利用した。
• 5つの天体物理学的パラメータの推定において、最も正確かつ良好に較正された事後分布を達成した。
• 現実的なノイズ環境下でも、一から再訓練した教師ありベースラインを上回る性能を示した。

原文タイトル: Cross-simulator transfer with foundation model summaries: Towards robust SKA-era reionization inference

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。