Buchumschlag

Unsupervised Discovery of High-Redshift Galaxy Populations with Variational Autoencoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Saxena, Aayush
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Instrumentation and Methods for Astrophysics Cosmology and Nongalactic Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Probabilistic Autoencoder for Galaxy SED Reconstruction and Redshift Estimation: Application to Mock SPHEREx Spectrophotometry
von: Feder, Richard M., et al.
Veröffentlicht: (2026)

Identifying Anomalous DESI Galaxy Spectra with a Variational Autoencoder
von: Nicolaou, C., et al.
Veröffentlicht: (2025)

Quantifying the Impact of LSST $u$-band Survey Strategy on Photometric Redshift Estimation and the Detection of Lyman-break Galaxies
von: Crenshaw, John Franklin, et al.
Veröffentlicht: (2025)

STag II: Classification of Serendipitous Supernovae Observed by Galaxy Redshift Surveys
von: Davison, W., et al.
Veröffentlicht: (2024)

Improving Photometric Redshift Estimates with Training Sample Augmentation
von: Moskowitz, Irene, et al.
Veröffentlicht: (2024)

High-Precision Galaxy Clustering Predictions from Small-Volume Hydrodynamical Simulations via Control Variates
von: Doytcheva, Alexandra, et al.
Veröffentlicht: (2024)

Diagnosing the Effects of Spectroscopic Training Set Imperfection on Photometric Redshift Performance
von: Crafford, Alice, et al.
Veröffentlicht: (2026)

Archetype-Based Redshift Estimation for the Dark Energy Spectroscopic Instrument Survey
von: Anand, Abhijeet, et al.
Veröffentlicht: (2024)

RVSNUpy: A Python Package for Spectroscopic Redshift Measurement Based on Cross-Correlation
von: Kim, Taewan, et al.
Veröffentlicht: (2025)

Improved Weak Lensing Photometric Redshift Calibration via StratLearn and Hierarchical Modeling
von: Autenrieth, Maximilian, et al.
Veröffentlicht: (2024)

Machine Learning Techniques for Astrophysics and Cosmology: Photometric Redshifts
von: Tortorelli, Luca, et al.
Veröffentlicht: (2026)

CSST Strong Lensing Preparation: Fast Modeling of Galaxy-Galaxy Strong Lenses in the Big Data Era
von: Cao, Xiaoyue, et al.
Veröffentlicht: (2025)

Machine Learning applications to Galaxy Clusters
von: Yepes, Gustavo, et al.
Veröffentlicht: (2026)

Target Selection for the Redshift-Limited WAVES-Wide with Machine Learning
von: Kaur, Gursharanjit, et al.
Veröffentlicht: (2025)

ColdPress: Efficient Quantile-Based Compression of Photometric Redshift PDFs
von: Hernán-Caballero, Antonio
Veröffentlicht: (2025)

Learning Spectral Templates for Photometric Redshift Estimation from Broadband Photometry
von: Crenshaw, John Franklin, et al.
Veröffentlicht: (2020)

Simulation-Based Inference for Probabilistic Galaxy Detection and Deblending
von: Mendoza, Ismael, et al.
Veröffentlicht: (2026)

Probabilistic Forward Modeling of Galaxy Catalogs with Normalizing Flows
von: Crenshaw, John Franklin, et al.
Veröffentlicht: (2024)

Cosmology with Galaxy Cluster Properties using Machine Learning
von: Qiu, Lanlan, et al.
Veröffentlicht: (2023)

Exploring the Viability of Fisher Discriminants in Galaxy Morphology Classification
von: Zakaria, Sazatul Nadhilah, et al.
Veröffentlicht: (2026)

On the spatial distribution of the Large-Scale structure: An Unsupervised search for Parity Violation
von: Hewson, Samuel, et al.
Veröffentlicht: (2024)

Bayesian Component Separation for DESI LAE Automated Spectroscopic Redshifts and Photometric Targeting
von: Uzsoy, Ana Sofía M., et al.
Veröffentlicht: (2025)

Simulation-Based Inference of the sky-averaged 21-cm signal from CD-EoR with REACH
von: Saxena, Anchal, et al.
Veröffentlicht: (2024)

SKYSURF. X. A Novel Method for Measuring Integrated Galaxy Light
von: Carter, Delondrae D., et al.
Veröffentlicht: (2025)

Semi-supervised Learning for Detecting Inverse Compton Emission in Galaxy Clusters
von: Lin, Sheng-Chieh, et al.
Veröffentlicht: (2024)

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

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

Lensing in the Blue III: Weak Lensing Shape Catalogs of 30 Merging Galaxy Clusters
von: Saha, Sayan, et al.
Veröffentlicht: (2026)

Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
von: The RAIL Team, et al.
Veröffentlicht: (2025)

J-PAS: Semi-Supervised Sim-to-Obs Transfer for Robust Star--Galaxy--Quasar Classification
von: López-Cano, Daniel, et al.
Veröffentlicht: (2026)

The Importance of Being Adaptable: An Exploration of the Power and Limitations of Domain Adaptation for Simulation-Based Inference with Galaxy Clusters
von: Ntampaka, Michelle, et al.
Veröffentlicht: (2025)

An Interpretable AI Framework to Disentangle Self-Interacting and Cold Dark Matter in Galaxy Clusters: The CKAN Approach
von: Huang, Zhenyang, et al.
Veröffentlicht: (2025)

Modeling Foreground Spatial Variations in 21 cm Gaussian Process Component Separation
von: Diao, Kangning, et al.
Veröffentlicht: (2024)

Searching for Dark Structures: A Comparison of Weak-lensing Convergence Maps and Lensing-weighted Galaxy Density Maps
von: Kim, Soojin, et al.
Veröffentlicht: (2025)

Inferring Halo Mass and Scale Radius of Galaxy Clusters Using Convolutional Neural Networks and Uchuu-UniverseMachine Catalogs
von: Tominaga, Hirobumi, et al.
Veröffentlicht: (2026)

The CluMPR Galaxy Cluster-Finding Algorithm and DESI Legacy Survey Galaxy Cluster Catalogue
von: Yantovski-Barth, M. J., et al.
Veröffentlicht: (2023)

Improving Generalization and Uncertainty Quantification of Photometric Redshift Models
von: Soriano, Jonathan, et al.
Veröffentlicht: (2026)

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

Measuring the Substructure Mass Power Spectrum of 23 SLACS Strong Galaxy-Galaxy Lenses with Convolutional Neural Networks
von: Fagin, Joshua, et al.
Veröffentlicht: (2024)

A "Rosetta Stone" for Studies of Spatial Variation in Astrophysical Data: Power Spectra, Semivariograms, Structure Functions, and More
von: Metha, Benjamin, et al.
Veröffentlicht: (2024)