179 Arbeiten
Diese Studie zeigt, dass ein einfacher Fisher-Diskriminanten-Algorithmus in Kombination mit einer Uniformisierungsvorverarbeitung die Genauigkeit komplexerer maschineller Lernverfahren bei der Klassifizierung von Galaxienmorphologien nach SDSS-Daten übertrifft.
Das Paper stellt pyKurucz vor, eine reine Python-Neuimplementierung des Standardcodes SYNTHE zur Berechnung synthetischer Sternspektren, die das veraltete Fortran-Original vollständig ersetzt, ohne Fortran-Abhängigkeiten, und dabei eine hohe Genauigkeit sowie eine einfache Integration in moderne Machine-Learning-Workflows ermöglicht.
Die Autoren stellen den neuen numerischen Code BALEINES vor, der die hydrostatische Gleichgewichtsform triaxialer differenzierter Körper untersucht und zeigt, dass die beobachtete Gestalt von Quaoar nicht mit einem hydrostatischen Gleichgewicht vereinbar ist.
Dieser Artikel stellt eine praktische, auf Fourier-Transformationen basierende Methode vor, die es ermöglicht, die Wellenfrontrekonstruktion mittels nichtlinearer Krümmungssensoren in konvergenten Strahlenbündeln durchzuführen, wodurch sich die optische Baugröße, das Gewicht und die Kosten im Vergleich zu herkömmlichen Freiraum-Systemen erheblich reduzieren lassen.
Die Arbeit stellt AS-Bridge vor, ein bidirektionales generatives Diffusionsmodell, das mithilfe eines stochastischen Brown-Bridge-Prozesses Beobachtungen der bodengestützten LSST- und der weltraumgestützten Euclid-Surveys miteinander verknüpft, um fehlende Daten probabilistisch vorherzusagen und seltene Ereignisse über die Surveys hinweg zu detektieren.
Diese Studie nutzt unüberwachtes maschinelles Lernen, insbesondere UMAP und DBSCAN, um Untergruppen von Wasserstoff-Weißzwergen zu identifizieren und deren Eigenschaften zu analysieren, wodurch sich magnetisierte Weißzwerge effektiv von nicht-magnetischen unterscheiden und deren Magnetfeldstärken abgeschätzt werden können.
Diese Studie stellt eine amortisierte, simulationsbasierte Inferenzmethode vor, die Gravitational-Wave-Ringdown-Parameter effizient und statistisch konsistent schätzt und dabei ihre Robustheit gegenüber transienten Rauschstörungen untersucht, wobei sich zeigt, dass die Timing der Störungen und die Signal-Rausch-Verhältnisse entscheidende Auswirkungen auf die Schätzgenauigkeit haben.
Der Artikel schlägt vor, gezielte Suchen nach Supermassiven Schwarzen-Loch-Binärsystemen statt all-sky-Blindsuche mit Pulsar-Timing-Arrays zu nutzen, um die Hubble-Konstante mit einer Präzision von 2 km/s/Mpc zu bestimmen und so zur Lösung der Hubble-Spannung beizutragen.
Der Artikel stellt Astromer 2 vor, ein verbessertes vortrainiertes fundamentales Modell für Lichtkurven, das durch selbstüberwachtes Lernen auf 1,5 Millionen MACHO-Datenströmen signifikant bessere Klassifikationsergebnisse als sein Vorgänger erzielt und sich besonders bei geringen Mengen an gelabelten Daten bewährt.
Der Artikel stellt FLARE vor, ein Open-Source-Workflow-Orchestrierungstool auf Basis von b2luigi, das die automatisierte Datenverarbeitung und Monte-Carlo-Simulationen für die FCC-Analyse-Software und den Key4HEP-Stack vereinfacht.
Die Studie stellt ein auf Vision-Transformern basierendes Deep-Learning-Modell namens SEMD vor, das mithilfe von Squeeze-and-Excitation-Mechanismen und Multilayer-Perceptrons stark gelinste Gravitationswellenereignisse effizient identifiziert und so die rechenintensive traditionelle Bayes'sche Inferenz für die Echtzeitanalyse zukünftiger Detektoren der dritten Generation ersetzt.
Diese Arbeit stellt eine auf Deep Learning basierende End-to-End-Pipeline vor, die die Methode AutoSourceID von Fermi-LAT-Daten auf Simulationsdaten des Cherenkov Telescope Array Observatory überträgt, um eine vielseitige Grundlage für ein zukünftiges Fundamentmodell zur astrophysikalischen Quellenentdeckung zu schaffen.
Der Artikel stellt pkdgrav3 vor, einen hochparallelen, hybriden CPU/GPU-Tree-SPH-Code für großskalige hydrodynamische und gravitative Simulationen, dessen Genauigkeit durch Standardtests validiert und dessen Effizienz in der Modellierung planetarer Einschläge demonstriert wird.
Diese Studie demonstriert, wie Large Language Models und neuronale Topic-Modeling-Verfahren genutzt werden können, um die unstrukturierten GCN-Circulars der NASA automatisch zu analysieren, zu kategorisieren und präzise Rotverschiebungsdaten von Gamma-Ray Bursts zu extrahieren, wodurch die astronomische Textmining-Forschung erheblich verbessert wird.
Die Autoren stellen ein effizientes Framework vor, das einen künstlichen neuronalen Netz-Emulator mit einer adaptiven MCMC-Strategie kombiniert, um die Rechenkosten für die Parameterinferenz der Epoch of Reionization im semi-numerischen SCRIPT-Modell um den Faktor 70 zu senken und dabei die statistische Genauigkeit zu erhalten.
Dieser Artikel beschreibt die zehn wissenschaftlichen Themen, die von der Mauve-Kollaboration für das erste Betriebsjahr des kostengünstigen UV-Vis-Satelliten festgelegt wurden, um mit dessen niedriger spektraler Auflösung im Bereich von 200–700 nm Lücken in den weltraumgestützten ultravioletten Daten zu schließen.
Dieser Artikel stellt eine Suchstrategie und ein Vorhersagewerkzeug für die CHORD-Galaxienumfrage vor, die mithilfe von Matched-Filtering im Sichtbarkeitsraum die durch das redundante Antennenlayout verursachte räumliche Aliasierung analysiert und zeigt, wie diese durch zeitliche Datenkombination und gezielte Deklinationsverschiebungen aufgelöst werden kann.
Dieser Bericht stellt die wissenschaftlichen Motivationen und den aktuellen Status des internationalen 4-Meter-Roboter-Teleskop-Projekts (NRT) am Roque-de-los-Muchachos-Observatorium vor, das mit seiner automatisierten Betriebsweise und vielseitigen Instrumentierung speziell für die Zeitbereichsastronomie konzipiert ist.
Der vorliegende Beitrag stellt das internationale Projekt NRT vor, das mit einem 4-Meter-Segmentspiegel und einer Reaktionszeit unter 30 Sekunden als weltweit größtes robotisches Teleskop die Zeitbereichsastronomie vorantreiben wird, und analysiert dabei den aktuellen Stand der Optik sowie die Pläne für Bau und Betrieb.
Die Studie zeigt, dass die Berücksichtigung der Orbitalexzentrizität bei massereichen Schwarzen-Loch-Binärsystemen mit dem LISA-Observatorium die Parameterbestimmung und die Anzahl der kosmologischen Standard-Sirenen erheblich verbessert, was zu präziseren Messungen der Hubble-Konstante und der Dunklen Energie führt.