Buchumschlag

Improving Convolutional Neural Networks for Cosmological Fields with Random Permutation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhong, Kunhao, Gatti, Marco, Jain, Bhuvnesh
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cosmology and Nongalactic Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vision Transformers for Cosmological Fields: Application to Weak Lensing Mass Maps
von: Kakadia, Jash, et al.
Veröffentlicht: (2025)

Tests of Evolving Dark Energy with Geometric Probes of the Late-Time Universe
von: Zhong, Kunhao, et al.
Veröffentlicht: (2025)

Dimensionality Reduction Techniques for Statistical Inference in Cosmology
von: Park, Minsu, et al.
Veröffentlicht: (2024)

Fast Generation of Weak Lensing Maps with Analytical Point Transformation Functions
von: Zhong, Kunhao, et al.
Veröffentlicht: (2024)

Cosmology from a joint analysis of second and third order shear statistics with Subaru Hyper Suprime-Cam Year 3 data
von: Sugiyama, Sunao, et al.
Veröffentlicht: (2025)

Baryonic Feedback across Halo Mass: Impact on the Matter Power Spectrum
von: Miller, Kyle, et al.
Veröffentlicht: (2025)

Late Time Modification of Structure Growth and the S8 Tension
von: Lin, Meng-Xiang, et al.
Veröffentlicht: (2023)

Diffusion-based mass map reconstruction from weak lensing data
von: Boruah, Supranta S., et al.
Veröffentlicht: (2025)

Attention-based Neural Network Emulators for Multi-Probe Data Vectors Part I: Forecasting the Growth-Geometry split
von: Zhong, Kunhao, et al.
Veröffentlicht: (2024)

Constraints on Dark Matter Self-Interactions from weak lensing of galaxies from the Dark Energy Survey around clusters from the Atacama Cosmology Telescope Survey
von: Adhikari, Susmita, et al.
Veröffentlicht: (2024)

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

Reconstructing the shape of the non-linear matter power spectrum using CMB lensing and cosmic shear
von: Sarmiento, Karen Perez, et al.
Veröffentlicht: (2025)

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

Attention-Based Neural Network Emulators for Multi-Probe Data Vectors Part II: Assessing Tension Metrics
von: Saraivanov, Evan, et al.
Veröffentlicht: (2024)

C3NN: Cosmological Correlator Convolutional Neural Network -- an interpretable machine learning tool for cosmological analyses
von: Gong, Zhengyangguang, et al.
Veröffentlicht: (2024)

The Speed of Gravity and the Fate of Dark Energy
von: Sakstein, Jeremy, et al.
Veröffentlicht: (2025)

High-resolution weak lensing mass mapping from DES-Y3 data using diffusion-based prior
von: Boruah, Supranta S., et al.
Veröffentlicht: (2025)

Cosmological Inflation in N-Dimensional Gaussian Random Fields with Algorithmic Data Compression
von: Painter, Connor A., et al.
Veröffentlicht: (2021)

Tidal alignment and tidal torquing modeling for the cosmic shear three-point correlation function and mass aperture skewness
von: Gomes, Rafael C. H., et al.
Veröffentlicht: (2026)

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

Galaxy cluster profiles: A Gaussian mixture model approach to halo miscentering
von: Currie, Matthew, et al.
Veröffentlicht: (2024)

Improving Photometric Redshift Estimation for Cosmology with LSST using Bayesian Neural Networks
von: Jones, Evan, et al.
Veröffentlicht: (2023)

Cosmological Inference with Cosmic Voids and Neural Network Emulators
von: Lehman, Kai, et al.
Veröffentlicht: (2025)

Unsupervised Searches for Cosmological Parity Violation: Improving Detection Power with the Neural Field Scattering Transform
von: Craigie, Matthew, et al.
Veröffentlicht: (2024)

Optimal Neural Summarisation for Full-Field Weak Lensing Cosmological Implicit Inference
von: Lanzieri, Denise, et al.
Veröffentlicht: (2024)

C3NN-SBI: Learning Hierarchies of $N$-Point Statistics from Cosmological Fields with Physics-Informed Neural Networks
von: Lehman, Kai, et al.
Veröffentlicht: (2026)

Cosmology-informed Neural Networks to infer dark energy equation-of-state
von: Verma, Anshul, et al.
Veröffentlicht: (2025)

Investigating Late-Time Dark Energy and Massive Neutrinos in Light of DESI Y1 BAO
von: Rebouças, João, et al.
Veröffentlicht: (2024)

CMBFSCNN: Cosmic Microwave Background Polarization Foreground Subtraction with Convolutional Neural Network
von: Yan, Ye-Peng, et al.
Veröffentlicht: (2024)

Improved Modeling of the Kinematic Sunyaev-Zel'dovich Projected-Fields signal and its Cosmological Dependence
von: Patki, Raagini, et al.
Veröffentlicht: (2023)

Cosmology at the Field Level with Probabilistic Machine Learning
von: Rouhiainen, Adam
Veröffentlicht: (2024)

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

SPINN: Advancing Cosmological Simulations of Fuzzy Dark Matter with Physics Informed Neural Networks
von: Mishra, Ashutosh Kumar, et al.
Veröffentlicht: (2025)

Towards detecting Primordial non-Gaussianity in the CMB using Spherical Convolutional Neural Networks
von: Melsen, Jorik, et al.
Veröffentlicht: (2024)

MG-NECOLA: A Field-Level Emulator for $f(R)$ Gravity and Massive Neutrino Cosmologies
von: Orjuela-Quintana, J. Bayron, et al.
Veröffentlicht: (2026)

Testing the Distance Duality Relation with Cosmological Observations at high Redshift using Artificial Neural Network
von: Xie, Yukang, et al.
Veröffentlicht: (2025)

Extracting Axion String Network Parameters from Simulated CMB Birefringence Maps using Convolutional Neural Networks
von: Hagimoto, Ray, et al.
Veröffentlicht: (2024)

Modeling the Cosmological Lyman-$α$ Forest at the Field Level
von: de Belsunce, Roger, et al.
Veröffentlicht: (2025)

Kinetically Coupled Scalar Fields Model and Cosmological Tensions
von: Liu, Gang, et al.
Veröffentlicht: (2023)

Primordial non-Gaussianities with weak lensing: Information on non-linear scales in the Ulagam full-sky simulations
von: Anbajagane, Dhayaa, et al.
Veröffentlicht: (2023)