Buchumschlag

A formula for the area of a triangle: Useless, but explicitly in Deep Sets form

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hainje, Connor, Hogg, David W.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cosmology and Nongalactic Astrophysics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A New Method to Simulate Dark Matter-Baryon Interactions and Application to an Isolated Disk Galaxy
von: Hainje, Connor, et al.
Veröffentlicht: (2026)

Effects of Dark Matter Self Interactions on Sagittarius and Its Stream
von: Hainje, Connor, et al.
Veröffentlicht: (2025)

Set-based Implicit Likelihood Inference of Galaxy Cluster Mass
von: Wang, Bonny Y., et al.
Veröffentlicht: (2025)

Stratified Learning: A General-Purpose Statistical Method for Improved Learning under Covariate Shift
von: Autenrieth, Maximilian, et al.
Veröffentlicht: (2021)

Wavelet Flow For Extragalactic Foreground Simulations
von: Mebratu, M., et al.
Veröffentlicht: (2025)

Blind Strong Gravitational Lensing Inversion: Joint Inference of Source and Lens Mass with Score-Based Models
von: Barco, Gabriel Missael, et al.
Veröffentlicht: (2025)

Simple lessons from complex learning: what a neural network model learns about cosmic structure formation
von: Jamieson, Drew, et al.
Veröffentlicht: (2022)

Tackling the Problem of Distributional Shifts: Correcting Misspecified, High-Dimensional Data-Driven Priors for Inverse Problems
von: Barco, Gabriel Missael, et al.
Veröffentlicht: (2024)

Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction
von: Tröster, Tilman, et al.
Veröffentlicht: (2026)

$\mathtt{emuflow}$: Normalising Flows for Joint Cosmological Analysis
von: Mootoovaloo, Arrykrishna, et al.
Veröffentlicht: (2024)

On the functional form of the radial acceleration relation
von: Desmond, Harry, et al.
Veröffentlicht: (2023)

Exploring the Early Universe with Deep Learning
von: de Salis, Emmanuel, et al.
Veröffentlicht: (2025)

CosmoBench: A Multiscale, Multiview, Multitask Cosmology Benchmark for Geometric Deep Learning
von: Huang, Ningyuan, et al.
Veröffentlicht: (2025)

A Data-Driven Prism: Multi-View Source Separation with Diffusion Model Priors
von: Wagner-Carena, Sebastian, et al.
Veröffentlicht: (2025)

Impact of PSF misestimation and galaxy population bias on precision shear measurement using a CNN
von: Voigt, Lisa
Veröffentlicht: (2024)

Finding Pegasus: Enhancing Unsupervised Anomaly Detection in High-Dimensional Data using a Manifold-Based Approach
von: Nathan, R. P., et al.
Veröffentlicht: (2025)

Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets
von: Roncoli, Andrea, et al.
Veröffentlicht: (2023)

LADDER: Revisiting the Cosmic Distance Ladder with Deep Learning Approaches and Exploring its Applications
von: Shah, Rahul, et al.
Veröffentlicht: (2024)

Deep Learning Based Recalibration of SDSS and DESI BAO Alleviates Hubble and Clustering Tensions
von: Shah, Rahul, et al.
Veröffentlicht: (2024)

21cmEMU: an emulator of 21cmFAST summary observables
von: Breitman, Daniela, et al.
Veröffentlicht: (2023)

Constraints on dark energy from TDCOSMO & SLACS lenses
von: Hogg, Natalie B.
Veröffentlicht: (2023)

Reconstructing the local density field with combined convolutional and point cloud architecture
von: Barthe-Gold, Baptiste, et al.
Veröffentlicht: (2025)

Simulation-Efficient Cosmological Inference with Multi-Fidelity SBI
von: Thiele, Leander, et al.
Veröffentlicht: (2025)

Hybrid Physical-Neural Simulator for Fast Cosmological Hydrodynamics
von: Thomsen, Arne, et al.
Veröffentlicht: (2025)

CosmoFlow: Scale-Aware Representation Learning for Cosmology with Flow Matching
von: Kannan, Sidharth, et al.
Veröffentlicht: (2025)

Transfer learning for multifidelity simulation-based inference in cosmology
von: Saoulis, Alex A., et al.
Veröffentlicht: (2025)

Dark Energy Survey Year 3 results: Simulation-based $w$CDM inference from weak lensing and galaxy clustering maps with deep learning: Analysis design
von: Thomsen, A., et al.
Veröffentlicht: (2025)

Machine Learning-Driven Analysis of kSZ Maps to Predict CMB Optical Depth $τ$
von: Khouzani, Farshid Farhadi, et al.
Veröffentlicht: (2025)

Bridging Simulators with Conditional Optimal Transport
von: Zeghal, Justine, et al.
Veröffentlicht: (2025)

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

Model-agnostic basis functions for the 2-point correlation function of dark matter in linear theory
von: Paranjape, Aseem, et al.
Veröffentlicht: (2024)

Explaining dark matter halo density profiles with neural networks
von: Lucie-Smith, Luisa, et al.
Veröffentlicht: (2023)

Predicting large scale cosmological structure evolution with generative adversarial network-based autoencoders
von: Ullmo, Marion, et al.
Veröffentlicht: (2024)

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

Bayesian Cosmic Void Finding with Graph Flows
von: Thiele, Leander
Veröffentlicht: (2026)

Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling
von: Hsu, Alan, et al.
Veröffentlicht: (2024)

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

Diffusion-HMC: Parameter Inference with Diffusion-model-driven Hamiltonian Monte Carlo
von: Mudur, Nayantara, et al.
Veröffentlicht: (2024)

Fitting Spectral Energy Distributions of AGN - A Markov Chain Monte Carlo Approach
von: Calistro-Rivera, Gabriela, et al.
Veröffentlicht: (2014)

A deep-learning algorithm to disentangle self-interacting dark matter and AGN feedback models
von: Harvey, David
Veröffentlicht: (2024)