Buchumschlag

Reconstruction of Continuous Cosmological Fields from Discrete Tracers with Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kvasiuk, Yurii, Krywonos, Jordan, Johnson, Matthew C., Münchmeyer, Moritz
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

Reconstruction of Dark Matter and Baryon Density From Galaxies: A Comparison of Linear, Halo Model and Machine Learning-Based Methods
von: Krywonos, Jordan, et al.
Veröffentlicht: (2025)

A Tale of Two Fields: Neural Network-Enhanced non-Gaussianity Search with Halos
von: Kvasiuk, Yurii, et al.
Veröffentlicht: (2024)

An Auto-Differentiable Likelihood Pipeline for the Cross-Correlation of CMB and Large-Scale Structure due to the Kinetic Sunyaev-Zeldovich Effect
von: Kvasiuk, Yurii, et al.
Veröffentlicht: (2023)

KSZ Velocity Reconstruction with ACT and DESI-LS using a Tomographic QML Power Spectrum Estimator
von: Lai, Anderson C. M., et al.
Veröffentlicht: (2025)

QML-FAST -- A Fast Code for low-$\ell$ Tomographic Maximum Likelihood Power Spectrum Estimation
von: Kvasiuk, Yurii, et al.
Veröffentlicht: (2025)

Improving Photometric Galaxy Clustering Constraints With Cross-Bin Correlations
von: Krywonos, Jordan, et al.
Veröffentlicht: (2024)

Constraints on cosmology beyond $Λ$CDM with kinetic Sunyaev Zel'dovich velocity reconstruction
von: Krywonos, Jordan, et al.
Veröffentlicht: (2024)

Cosmological measurements from the CMB and BAO are insensitive to the tail probability in the assumed likelihood
von: Krywonos, Jordan, et al.
Veröffentlicht: (2024)

Measuring cosmic bulk flow with kinetic Sunyaev-Zel'dovich velocity reconstruction
von: Gandhi, Suroor Seher, et al.
Veröffentlicht: (2026)

Super-Resolution Emulation of Large Cosmological Fields with a 3D Conditional Diffusion Model
von: Rouhiainen, Adam, et al.
Veröffentlicht: (2023)

MadEvolve: Evolutionary Optimization of Cosmological Algorithms with Large Language Models
von: Li, Tianyi, et al.
Veröffentlicht: (2026)

Displacement Field Analysis via Optimal Transport: Multi-Tracer Approach to Cosmological Reconstruction
von: Nikakhtar, Farnik, et al.
Veröffentlicht: (2024)

Squeezed Limit non-Gaussianity Estimation with Cosmic Shear
von: Zang, Shi-Hui, et al.
Veröffentlicht: (2025)

Constraining $f_{NL}$ using the Large-Scale Modulation of Small-Scale Statistics
von: Giri, Utkarsh, et al.
Veröffentlicht: (2023)

Optimal Transport Reconstruction of Biased Tracers in Primordial Non-Gaussian Fields
von: Nikakhtar, Farnik, et al.
Veröffentlicht: (2026)

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

If at First You Don't Succeed, Trispectrum: I. Estimating the Matter Power Spectrum Covariance with Higher-Order Statistics
von: Goldstein, Samuel, et al.
Veröffentlicht: (2026)

Improving Convolutional Neural Networks for Cosmological Fields with Random Permutation
von: Zhong, Kunhao, et al.
Veröffentlicht: (2024)

Signal in the Hyperfine Structure Line of the Ground State of Atomic Hydrogen from the Dark Ages as a Cosmological Test
von: Novosyadlyj, Bohdan, et al.
Veröffentlicht: (2024)

Cosmo-PINN: A Physics-Informed Neural Network for Cosmological Reconstruction
von: Paliathanasis, Andronikos
Veröffentlicht: (2026)

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

Global Signals of the First Molecules from the Dark Ages in the Presence of Primordial Magnetic Fields
von: Kulinich, Yurii, et al.
Veröffentlicht: (2025)

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

Estimating Cosmological Parameters and Reconstructing Hubble Constant with Artificial Neural Networks: A Test with covariance matrix and mock H(z)
von: Chen, Jie-feng, et al.
Veröffentlicht: (2024)

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

Cosmology-informed Neural Networks to infer dark energy equation-of-state
von: Verma, Anshul, 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)

Test-time Scaling Techniques in Theoretical Physics -- A Comparison of Methods on the TPBench Dataset
von: Gao, Zhiqi, et al.
Veröffentlicht: (2025)

Theoretical Physics Benchmark (TPBench) -- a Dataset and Study of AI Reasoning Capabilities in Theoretical Physics
von: Chung, Daniel J. H., et al.
Veröffentlicht: (2025)

21cmFirstCLASS I. Cosmological tool for $Λ$CDM and beyond
von: Flitter, Jordan, et al.
Veröffentlicht: (2023)

A Stochastic Approach to Reconstructing the Speed of Light in Cosmology
von: Zhang, Cheng-Yu, et al.
Veröffentlicht: (2024)

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)

Distortion of the CMB spectrum by the first molecules of the Dark Ages
von: Kulinich, Yurii, et al.
Veröffentlicht: (2025)

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

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)

Learning Balanced Field Summaries of the Large-Scale Structure with the Neural Field Scattering Transform
von: Craigie, Matthew, et al.
Veröffentlicht: (2025)

Advancing Cosmological Parameter Estimation and Hubble Parameter Reconstruction with Long Short-Term Memory and Efficient-Kolmogorov-Arnold Networks
von: Cui, Jiaxing, et al.
Veröffentlicht: (2025)