Buchumschlag

Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roncoli, Andrea, Ćiprijanović, Aleksandra, Voetberg, Maggie, Villaescusa-Navarro, Francisco, Nord, Brian
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Cosmology and Nongalactic Astrophysics Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Network Prediction of Strong Lensing Systems with Domain Adaptation and Uncertainty Quantification
von: Agarwal, Shrihan, et al.
Veröffentlicht: (2024)

Domain-Adaptive Neural Posterior Estimation for Strong Gravitational Lens Analysis
von: Swierc, Paxson, et al.
Veröffentlicht: (2024)

Population-level Dark Energy Constraints from Strong Gravitational Lensing using Simulation-Based Inference
von: Jarugula, Sreevani, et al.
Veröffentlicht: (2024)

Cosmology with Topological Deep Learning
von: Lee, Jun-Young, et al.
Veröffentlicht: (2025)

Deep inference of simulated strong lenses in ground-based surveys
von: Poh, Jason, et al.
Veröffentlicht: (2025)

Constraining Cosmology with Simulation-based inference and Optical Galaxy Cluster Abundance
von: Reza, Moonzarin, et al.
Veröffentlicht: (2024)

Interpreting Cosmological Information from Neural Networks in the Hydrodynamic Universe
von: Lahiry, Arnab, et al.
Veröffentlicht: (2025)

Learning Cosmology from Nearest Neighbour Statistics
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2025)

Cosmology from Point Clouds with Dark Matter Halos from the Quijote Simulations
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2024)

Cosmological multifield emulator
von: Andrianomena, Sambatra, et al.
Veröffentlicht: (2024)

The Impact of Non-Gaussian Primordial Tails on Cosmological Observables
von: Coulton, William R., et al.
Veröffentlicht: (2024)

Towards Robustness Across Cosmological Simulation Models TNG, SIMBA, ASTRID, and EAGLE
von: Jo, Yongseok, et al.
Veröffentlicht: (2025)

MG-NECOLA: Fast Neural Emulators for Modified Gravity Cosmologies
von: Orjuela-Quintana, J. Bayron, et al.
Veröffentlicht: (2025)

Cosmological and Astrophysical Parameter Inference from Stacked Galaxy Cluster Profiles Using CAMELS-zoomGZ
von: Hernández-Martínez, Elena, et al.
Veröffentlicht: (2024)

Field-level Emulation of Cosmic Structure Formation with Cosmology and Redshift Dependence
von: Jamieson, Drew, et al.
Veröffentlicht: (2024)

Inferring Cosmological Parameters on SDSS via Domain-Generalized Neural Networks and Lightcone Simulations
von: Lee, Jun-Young, et al.
Veröffentlicht: (2024)

Cosmology with One Galaxy: Auto-Encoding the Galaxy Properties Manifold
von: Lue, Amanda, et al.
Veröffentlicht: (2025)

Cosmology with one galaxy: An analytic formula relating $Ω_{\rm m}$ with galaxy properties
von: Liao, Kito, et al.
Veröffentlicht: (2026)

New applications of Graph Neural Networks in Cosmology
von: Farsian, Farida, et al.
Veröffentlicht: (2022)

Correcting for interloper contamination in the power spectrum with neural networks
von: Cagliari, Marina S., et al.
Veröffentlicht: (2025)

Constraining Cosmological Parameters using the Cluster Mass-Richness Relation
von: Abdullah, Mohamed H., et al.
Veröffentlicht: (2022)

An Observationally Driven Multifield Approach for Probing the Circum-Galactic Medium with Convolutional Neural Networks
von: Gluck, Naomi, et al.
Veröffentlicht: (2023)

Learning the Universe: Cosmological and Astrophysical Parameter Inference with Galaxy Luminosity Functions and Colours
von: Lovell, Christopher C., et al.
Veröffentlicht: (2024)

Boosting HI-Galaxy Cross-Clustering Signal through Higher-Order Cross-Correlations
von: Chand, Eishica, et al.
Veröffentlicht: (2024)

A field-level emulator for modeling baryonic effects across hydrodynamic simulations
von: Sharma, Divij, et al.
Veröffentlicht: (2024)

Exploring Statistical Isotropy in Planck Data Release 4: Angular Clustering and Cosmological Parameter Variations Across the Sky
von: Gimeno-Amo, C., et al.
Veröffentlicht: (2025)

Lost in the FoG: Pitfalls of Models for Large-Scale Hydrogen Distributions
von: Osinga, Calvin, et al.
Veröffentlicht: (2025)

How many simulations do we need for simulation-based inference in cosmology?
von: Bairagi, Anirban, et al.
Veröffentlicht: (2025)

Field-Level Comparison and Robustness Analysis of Cosmological N-body Simulations
von: Bayer, Adrian E., et al.
Veröffentlicht: (2025)

Cosmological simulations of scale-dependent primordial non-Gaussianity
von: Baldi, Marco, et al.
Veröffentlicht: (2024)

Reconstruction of Continuous Cosmological Fields from Discrete Tracers with Graph Neural Networks
von: Kvasiuk, Yurii, et al.
Veröffentlicht: (2024)

Inferring Cosmological Parameters with Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong
Veröffentlicht: (2025)

Constraining Cosmological and Astrophysical Parameters with the Cosmic Star Formation History
von: Moyses, Miguel, et al.
Veröffentlicht: (2026)

Probabilistic Inference of Cosmological Density Parameters from Synthetic Hubble Expansion Data of Varying SNR Using Diverse Artificial Neural Network Architectures
von: Jin, Zijian, et al.
Veröffentlicht: (2025)

The Cosmological Parameters (2025)
von: Cortês, Marina, et al.
Veröffentlicht: (2026)

The Cosmological Parameters (2023)
von: Lahav, Ofer, et al.
Veröffentlicht: (2024)

ParamANN: A Neural Network to Estimate Cosmological Parameters for $Λ$CDM Universe Using Hubble Measurements
von: Pal, Srikanta, et al.
Veröffentlicht: (2023)

Constraining Cosmological Parameters with Needlet Internal Linear Combination Maps I: Analytic Power Spectrum Formalism
von: Surrao, Kristen M., et al.
Veröffentlicht: (2024)

From Dark Matter to Galaxies with Convolutional Neural Networks
von: Yip, Jacky H. T., et al.
Veröffentlicht: (2019)

Probing massive neutrinos and modified gravity with redshift-space morphologies and anisotropies of large-scale structure
von: Liu, Wei, et al.
Veröffentlicht: (2024)