Buchumschlag

DeepRed: an architecture for redshift estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meroni, Alessandro, Vago, Nicolò Oreste Pinciroli, Fraternali, Piero
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Instrumentation and Methods for Astrophysics Artificial Intelligence Machine Learning General Relativity and Quantum Cosmology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Extracting latent representations from X-ray spectra. Classification, regression, and accretion signatures of Chandra sources
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2025)

The hunt for new pulsating ultraluminous X-ray sources: a clustering approach
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2025)

Enhancing the reliability of machine learning for gravitational wave parameter estimation with attention-based models
von: Iwanaga, Hibiki, et al.
Veröffentlicht: (2025)

Augmenting representations with scientific papers
von: Vago, Nicolò Oreste Pinciroli, et al.
Veröffentlicht: (2026)

An agentic framework for gravitational-wave counterpart association in the multi-messenger era
von: Dong, Yiming, et al.
Veröffentlicht: (2026)

Learning Null Geodesics for Gravitational Lensing Rendering in General Relativity
von: Sun, Mingyuan, et al.
Veröffentlicht: (2025)

On payload architecture and pointing control strategies for TianQin
von: Fang, Yuzhou, et al.
Veröffentlicht: (2024)

Flexible Gravitational-Wave Parameter Estimation with Transformers
von: Kofler, Annalena, et al.
Veröffentlicht: (2025)

Auto-encoder model for faster generation of effective one-body gravitational waveform approximations
von: Garg, Suyog, et al.
Veröffentlicht: (2025)

Unsupervised Learning Approach to Anomaly Detection in Gravitational Wave Data
von: Fayad, Ammar
Veröffentlicht: (2024)

Dilated convolutional neural network for detecting extreme-mass-ratio inspirals
von: Zhao, Tianyu, et al.
Veröffentlicht: (2023)

A Neural Network-Based Search for Unmodeled Transients in LIGO-Virgo-KAGRA's Third Observing Run
von: Raikman, Ryan, et al.
Veröffentlicht: (2024)

VIGILant: an automatic classification pipeline for glitches in the Virgo detector
von: Fernandes, Tiago, et al.
Veröffentlicht: (2026)

Improving gravitational wave search sensitivity with TIER: Trigger Inference using Extended strain Representation
von: Wadekar, Digvijay, et al.
Veröffentlicht: (2025)

Real-time gravitational-wave inference for binary neutron stars using machine learning
von: Dax, Maximilian, et al.
Veröffentlicht: (2024)

Multivariate Time Series Clustering for Environmental State Characterization of Ground-Based Gravitational-Wave Detectors
von: Gurav, Rutuja, et al.
Veröffentlicht: (2024)

Convolutional Neural Networks for signal detection in real LIGO data
von: Zelenka, Ondřej, et al.
Veröffentlicht: (2024)

Compact Binary Systems Waveform Generation with Generative Pre-trained Transformer
von: Shi, Ruijun, et al.
Veröffentlicht: (2023)

Rapid Likelihood Free Inference of Compact Binary Coalescences using Accelerated Hardware
von: Chatterjee, Deep, et al.
Veröffentlicht: (2024)

New approach to template banks of gravitational waves with higher harmonics: Reducing matched-filtering cost by over an order of magnitude
von: Wadekar, Digvijay, et al.
Veröffentlicht: (2023)

Comparison of neural network architectures for feature extraction from binary black hole merger waveforms
von: Freitas, Osvaldo Gramaxo, et al.
Veröffentlicht: (2023)

DVGAN: Stabilize Wasserstein GAN training for time-domain Gravitational Wave physics
von: Dooney, Tom, et al.
Veröffentlicht: (2022)

Impact of spatial curvature on forecast constraints from standard and differential redshift drift measurements
von: Martins, C. J. A. P., et al.
Veröffentlicht: (2024)

DeepHMC : a deep-neural-network acclerated Hamiltonian Monte Carlo algorithm for binary neutron star parameter estimation
von: Perret, Jules, et al.
Veröffentlicht: (2025)

Anchors no more: Using peculiar velocities to constrain $H_0$ and the primordial Universe without calibrators
von: Piras, Davide, et al.
Veröffentlicht: (2025)

Reconstructing the Hubble parameter with future Gravitational Wave missions using Machine Learning
von: Mukherjee, Purba, et al.
Veröffentlicht: (2023)

Tests for model misspecification in simulation-based inference: from local distortions to global model checks
von: Montel, Noemi Anau, et al.
Veröffentlicht: (2024)

Forecasting Seismic Waveforms: A Deep Learning Approach for Einstein Telescope
von: Esmail, Waleed, et al.
Veröffentlicht: (2025)

Fast and accurate parameter estimation of high-redshift sources with the Einstein Telescope
von: Santoliquido, Filippo, et al.
Veröffentlicht: (2025)

Indistinguishability criterion and estimating the presence of biases
von: Toubiana, Alexandre, et al.
Veröffentlicht: (2024)

Improving cosmological reach of a gravitational wave observatory using Deep Loop Shaping
von: Buchli, Jonas, et al.
Veröffentlicht: (2025)

Searching for additional structure and redshift evolution in the observed binary black hole population with a parametric time-dependent mass distribution
von: Gennari, Vasco, et al.
Veröffentlicht: (2025)

Anatomy of parameter-estimation biases in overlapping gravitational-wave signals
von: Wang, Ziming, et al.
Veröffentlicht: (2023)

A rapid multi-modal parameter estimation technique for LISA
von: Hoy, Charlie, et al.
Veröffentlicht: (2024)

Neural density estimation for Galactic Binaries in LISA data analysis
von: Korsakova, Natalia, et al.
Veröffentlicht: (2024)

Neural surrogates for designing gravitational wave detectors
von: Ruiz-Gonzalez, Carlos, et al.
Veröffentlicht: (2025)

Enhancing online estimation of CBC parameters with the low-latency MBTA analysis
von: Aubin, Florian, et al.
Veröffentlicht: (2026)

GPU-accelerated LISA parameter estimation with full time domain response
von: García-Quirós, Cecilio, et al.
Veröffentlicht: (2025)

Bayesian power spectral estimation of gravitational wave detector noise revisited
von: Gupta, Toral, et al.
Veröffentlicht: (2023)

RNLE: Residual neural likelihood estimation and its application to gravitational-wave astronomy
von: Emma, Mattia, et al.
Veröffentlicht: (2026)