SlideShare ist ein Scribd-Unternehmen logo
1 von 55
Downloaden Sie, um offline zu lesen
島袋隼士(云南大学・SWIFAR)
宇宙電波懇談会(2022年3月7−8日)
Aman Chokshi
Lesson from 21cm line signal
(理論的側面を中心として)
宇宙の歴史
https://universe-review.ca/
宇宙暗黒時代(Dark Ages)・・・星や銀河の存在しない真っ暗な時代
宇宙再電離期(Epoch of Reionization, EoR)・・・銀河からの紫外線光子
によってIGM(銀河間物質)中の水素が電離 (z 6-15).
宇宙の夜明け(Cosmic Dawn)・・・宇宙最初の星や銀河が作られ
る (z 20-30).
©国立天文台
銀河間物質(IGM)
(Tumlinson et al 2017)
銀河周辺物質
(CGM)
何故、IGMは重要?
銀河は周辺のCGMやIGMと相互に影響を及ぼし合っている。
(なので、IGMの性質を調べるのも重要。)
藤本さんトーク
高赤方偏移銀河観測
z=10.957
(Jiang et al 2021)
(Hashimoto et al 2019)
z=7.15
•ハッブル宇宙望遠鏡+スピッツァー宇宙望遠鏡で
photometricに観測
•Keck望遠鏡で炭素輝線と酸素輝線を検出し、赤
方偏移を分光的に同定。
•ALMAによる観測で、炭素輝線、酸
素輝線、ダスト連続波を検出。
z=13?
(Harikane et al 2021)
•ALMAの観測で酸素輝
線を で検出。
4σ
•ライマンブレーク法で
見つけた銀河。
•あくまでz=13候補銀河
であり、追観測に期待。
札本さんトーク
高赤方偏移銀河観測
z=10.957
(Jiang et al 2021)
(Hashimoto et al 2019)
z=7.15
•ハッブル宇宙望遠鏡+スピッツァー宇宙望遠鏡で
photometricに観測
•Keck望遠鏡で炭素輝線と酸素輝線を検出し、赤
方偏移を分光的に同定。
•ALMAによる観測で、炭素輝線、酸
素輝線、ダスト連続波を検出。
z=13?
(Harikane et al 2021)
•ALMAの観測で酸素輝
線を で検出。
4σ
•ライマンブレーク法で
見つけた銀河。
•あくまでz=13候補銀河
であり、追観測に期待。
札本さんトーク
高赤方偏移銀河観測
z=10.957
(Jiang et al 2021)
(Hashimoto et al 2019)
z=7.15
•ハッブル宇宙望遠鏡+スピッツァー宇宙望遠鏡で
photometricに観測
•Keck望遠鏡で炭素輝線と酸素輝線を検出し、赤
方偏移を分光的に同定。
•ALMAによる観測で、炭素輝線、酸
素輝線、ダスト連続波を検出。
z=13?
(Harikane et al 2021)
•ALMAの観測で酸素輝
線を で検出。
4σ
•ライマンブレーク法で
見つけた銀河。
•あくまでz=13候補銀河
であり、追観測に期待。
札本さんトーク
高赤方偏移銀河観測
z=10.957
(Jiang et al 2021)
(Hashimoto et al 2019)
z=7.15
•ハッブル宇宙望遠鏡+スピッツァー宇宙望遠鏡で
photometricに観測
•Keck望遠鏡で炭素輝線と酸素輝線を検出し、赤
方偏移を分光的に同定。
•ALMAによる観測で、炭素輝線、酸
素輝線、ダスト連続波を検出。
z=13?
(Harikane et al 2021)
•ALMAの観測で酸素輝
線を で検出。
4σ
•ライマンブレーク法で
見つけた銀河。
•あくまでz=13候補銀河
であり、追観測に期待。
札本さんトーク
高赤方偏移銀河観測
z=10.957
(Jiang et al 2021)
(Hashimoto et al 2019)
z=7.15
•ハッブル宇宙望遠鏡+スピッツァー宇宙望遠鏡で
photometricに観測
•Keck望遠鏡で炭素輝線と酸素輝線を検出し、赤
方偏移を分光的に同定。
•ALMAによる観測で、炭素輝線、酸
素輝線、ダスト連続波を検出。
z=13?
(Harikane et al 2021)
•ALMAの観測で酸素輝
線を で検出。
4σ
•ライマンブレーク法で
見つけた銀河。
•あくまでz=13候補銀河
であり、追観測に期待。
札本さんトーク
平均的な中性水素率の時間進化(グローバルヒストリー)
再電離期IGMへの観測的制限
(Naidu et al 2020)
IGMの平均中性率
平均的な中性水素率の時間進化(グローバルヒストリー)
再電離期IGMへの観測的制限
(Naidu et al 2020)
IGMの平均中性率
中性水素率のグローバルな進化しか分からない
再電離期のIGMの性質についてより詳しく知りたい。
(例)
•再電離モデルへの制限
•イオン化バブルの空間的性質(トポロジー等)や時間進化
•再電離源は何?
•銀河形成や進化と再電離の関係
再電離期のIGMの性質についてより詳しく知りたい。
そのためには、再電離期の銀河間物質を直接観測するのが良い。
(例)
•再電離モデルへの制限
•イオン化バブルの空間的性質(トポロジー等)や時間進化
•再電離源は何?
•銀河形成や進化と再電離の関係
再電離期のIGMの性質についてより詳しく知りたい。
そのためには、再電離期の銀河間物質を直接観測するのが良い。
(例)
•再電離モデルへの制限
•イオン化バブルの空間的性質(トポロジー等)や時間進化
•再電離源は何?
•銀河形成や進化と再電離の関係
✕
ALMAやJWST、すばる望遠鏡などの銀河観測とも相補的!
(森脇さんトーク)
再電離期のIGMの性質についてより詳しく知りたい。
そのためには、再電離期の銀河間物質を直接観測するのが良い。
(例)
•再電離モデルへの制限
•イオン化バブルの空間的性質(トポロジー等)や時間進化
•再電離源は何?
•銀河形成や進化と再電離の関係
✕
ALMAやJWST、すばる望遠鏡などの銀河観測とも相補的!
(森脇さんトーク)
21cm線
•21cm線放射 :超微細構造によって、IGM中の中性水素は21cm線を放射する.
z=6 (EoR) → 1.5m or 202 MHz
z=20 (cosmic dawn) → 4.4m or 68MHz
電波帯域!
IGM中の21cm線を使えば、中性水素の3次元分布を赤方偏移に
沿ってトモグラフィー的に観測できる
Tb =
TS T
1 + z
(1 exp(⌧⌫))
⇠ 27xH(1 + m)
✓
H
dvr/dr + H
◆ ✓
1
T
TS
◆ ✓
1 + z
10
0.15
⌦mh2
◆1/2 ✓
⌦bh2
0.023
◆
[mK]
•輝度温度 (21cm signal)
赤 : 宇宙論 青 : 天体物理
21cm線
•21cm線放射 :超微細構造によって、IGM中の中性水素は21cm線を放射する.
z=6 (EoR) → 1.5m or 202 MHz
z=20 (cosmic dawn) → 4.4m or 68MHz
電波帯域!
IGM中の21cm線を使えば、中性水素の3次元分布を赤方偏移に
沿ってトモグラフィー的に観測できる
Tb =
TS T
1 + z
(1 exp(⌧⌫))
⇠ 27xH(1 + m)
✓
H
dvr/dr + H
◆ ✓
1
T
TS
◆ ✓
1 + z
10
0.15
⌦mh2
◆1/2 ✓
⌦bh2
0.023
◆
[mK]
•輝度温度 (21cm signal)
赤 : 宇宙論 青 : 天体物理
21cm power spectrum (PS) :
空間依存性
Pober et al (2014)
EoR
X-ray
heating
WF
effect
z
赤方偏移依存性
21cm線パワースペクトル
h Tb(k) Tb(k
0
)i = (2⇡)3
(k + k
0
)P21
MWA、LOFAR、HERAなどの先行機はまずは21cm線シグナルの揺らぎの統計的検出
を目指す。
21cm線パワースペクトルへの観測的制限
(吉浦くん@国立天文台作成, Shimabukuro et al in prep)
理論予想値まであと2桁くらいに迫っている。系統誤差、前景放射の
取り扱いの改善が求められる。
21cm global signal
21cm global signal: 全天平均した21cm線輝度温度
EDGESによって21cm global signalらしきものを検出(Bowman + 2018)
•標準宇宙論+天体物理学では説明できない深い吸収線
→説明するためのシナリオが乱立。
•標準宇宙論以外の暗黒物質モデル(e.g.
Fialkov+ (2018), Barkana (2018))
•Excess radio background (e.g. Fialkov
+(2019))
•解析の問題(e.g. Singh+ (2019),Sims &
Pober (2020))
深すぎ!
最近の21cm線の理論的研究
•再電離モデルへの制限
•イオン化バブルの空間的性質(トポロジー等)や時間進化
•再電離源は何?
•銀河形成や進化と再電離の関係
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
Park et al 2018
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
•21cm線高次統計量(bispectrum, higher moment)
Shimabukuro + (2015,2016,2017), Yoshiura + (2015)
Watkinson + (2017,2022), Majumadar + (2018),
Park et al 2018
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
•機械学習を用いた21cm線シグナルからの情報
抽出(最近流行中→予備スライド)
Shimabukuro & Semelin (2017), Kern+(2017), Schmit + (2018)
•21cm線高次統計量(bispectrum, higher moment)
Shimabukuro + (2015,2016,2017), Yoshiura + (2015)
Watkinson + (2017,2022), Majumadar + (2018),
Park et al 2018
Shimabukuro & Semelin (2017)
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
•機械学習を用いた21cm線シグナルからの情報
抽出(最近流行中→予備スライド)
Shimabukuro & Semelin (2017), Kern+(2017), Schmit + (2018)
•21cm線高次統計量(bispectrum, higher moment)
Shimabukuro + (2015,2016,2017), Yoshiura + (2015)
Watkinson + (2017,2022), Majumadar + (2018),
統計的アプローチで再電離モデルへの制限
Park et al 2018
Shimabukuro & Semelin (2017)
(Mesinger 2018)
宇宙論
CMB温度ゆらぎ パワースペクトル 宇宙論パラメータ
21cm線&再電離
(21cm線画像)
パワースペクトル 天体物理学的パラメータ
21cm線統計的アプローチ
With HERA
Without HERA(galaxy UV luminosity
function, Lyman alpha forest, CMB)
事後確率分布
21cm線観測からの制限
•銀河観測やCMB観測で得られている
制限と比べて劇的に良くなったわけで
はない。
HERAで得られた21cm線パワースペクトルの上限値に対してMCMCを行い、天体物理
学パラメーターの事後分布が得られた(HERA collaboration+ 2021b)。
With HERA
Without HERA(galaxy UV luminosity
function, Lyman alpha forest, CMB)
事後確率分布
21cm線観測からの制限
•銀河観測やCMB観測で得られている
制限と比べて劇的に良くなったわけで
はない。
HERAで得られた21cm線パワースペクトルの上限値に対してMCMCを行い、天体物理
学パラメーターの事後分布が得られた(HERA collaboration+ 2021b)。
ただし・・・
With HERA
Without HERA(galaxy UV luminosity
function, Lyman alpha forest, CMB)
事後確率分布
21cm線観測からの制限
•銀河観測やCMB観測で得られている
制限と比べて劇的に良くなったわけで
はない。
HERAで得られた21cm線パワースペクトルの上限値に対してMCMCを行い、天体物理
学パラメーターの事後分布が得られた(HERA collaboration+ 2021b)。
ただし・・・
X線光度への制限から
高赤方偏移銀河は低金属環境+ガスの
加熱の存在を示唆
電離バブルの幾何学
•ミンコフスキー汎関数(体積や表面積)
(e.g.) Gleser + (2006), Lee +(2008), Friedrich + (2011),
Hong + (2014), Yoshiura + (2017), Chen + (2019)
Chen + (2019)
電離バブルの幾何学
•ミンコフスキー汎関数(体積や表面積)
•Granulometry法(粒度分析、サイズ分布)
(e.g.) Gleser + (2006), Lee +(2008), Friedrich + (2011),
Hong + (2014), Yoshiura + (2017), Chen + (2019)
Kakiichi + (2017)
Chen + (2019)
電離バブルの幾何学
•ミンコフスキー汎関数(体積や表面積)
•位相幾何学的アプローチ
(ベッチ数)
•Granulometry法(粒度分析、サイズ分布)
(e.g.) Gleser + (2006), Lee +(2008), Friedrich + (2011),
Hong + (2014), Yoshiura + (2017), Chen + (2019)
(e.g.) Giri + (2021), Kapahtia + (2021)
Kakiichi + (2017)
Chen + (2019)
Giri + (2021)
電離バブルの幾何学
•ミンコフスキー汎関数(体積や表面積)
•位相幾何学的アプローチ
(ベッチ数)
•Granulometry法(粒度分析、サイズ分布)
(e.g.) Gleser + (2006), Lee +(2008), Friedrich + (2011),
Hong + (2014), Yoshiura + (2017), Chen + (2019)
(e.g.) Giri + (2021), Kapahtia + (2021)
Kakiichi + (2017)
Chen + (2019)
Giri + (2021)
再電離期IGMの空間的(幾何学的)特徴を定量的
に評価
初期天体と再電離
•再電離源と21cm線シグナル (e.g.) Iliev+ (2012), Kulkarni+ (2017)
Kulkarni+ (2017)
銀河からの脱出光子
初期天体と再電離
•再電離源と21cm線シグナル
•銀河形成と再電離
(e.g.) Iliev+ (2012), Kulkarni+ (2017)
Kulkarni+ (2017)
(e.g.) Hutter+ (2017,2021), DRAGONS
simulation, TESAN simulation
Hutter+ (2017)
銀河からの脱出光子
初期天体と再電離
•再電離源と21cm線シグナル
•銀河形成と再電離
銀河形成・進化が再電離に
与える影響を評価
(e.g.) Iliev+ (2012), Kulkarni+ (2017)
Kulkarni+ (2017)
(e.g.) Hutter+ (2017,2021), DRAGONS
simulation, TESAN simulation
Hutter+ (2017)
銀河からの脱出光子
まとめ
• すばる望遠鏡やALMA望遠鏡によって、高赤方偏移銀河の観測が急
速に発展しているが、高赤方偏移IGM観測は発展途上
• IGM観測で強力なツールとなるのが21cm線
• 現在、21cm線観測が進められているが、未だ検出に至らず
• 21cm線が実際に観測されると、再電離モデルへの制限、イオン化
バブルの幾何学、銀河形成と再電離の関係等について情報が得られ
ると期待されている。
• より詳しい話を聞きたい方はセミナーの依頼お待ちしております!
Coming soon
予備
21cm線イメージングで見た再電離期
Mellema et al (2013)
xi = 0.8
xi = 0.5
イメージングのために必要な最低限の観測スペック
⃝数分角の角度分解能 ⃝数度程度の視野
⃝21cm線シグナルに対して十分に低い熱雑音
21cm線と他波長観測
Kubota et al (2018)
•21cm線とライマンα輝線銀河の相互相関
Yoshiura et al (2018), Kubota et al (2018)
•21cm線と酸素[OIII]輝線銀河の相互相関
Moriwaki et al (2019)
•21cm線とCMBの相互相関
Yoshiura et al (2019)
21cm線と他波長は異なる系統誤差のため、21cm線シグナル検出に有効
•21cm線と背景X線の相互相関
Ma et al (2018)
Yoshiura et al (2019)
21cm線観測からの制限(X線加熱)
(1)High-z天体の加熱源のX線光度に制限
•LocalなHigh Mass X-ray binaries(HMXB)と比べ
てHigh-zでは低金属HMXBを示唆。
(2)冷たいIGMモデルをdisfavor
•IGMの加熱が起きないモデルは観測結果とinconsistent.
→IGMの加熱を要求。
21cm forest
•21cm forestで探る暗黒物質やインフ
レーション、原始ブラックホール
Shimabukuro et al (2014,2019,2020a), Villanueva &
Ichiki (2021), Kawasaki et al (2020)
宇宙再電離のみならず、宇宙論とも関係
•21cm forestで探る宇宙の加熱や銀河間物
質の温度状態
Furlanetto & Loeb (2002), Ciardi et al (2015),
Semelin (2015)
21cm線観測への課題
Jelic et al 2008
21cm線は強烈な前景放射に埋もれている
前景放射除去?
or(and)
前景放射を避ける?
Santos 2005
~8 order
SKA日本再電離グループでは
21cm線と他波長の相互相関関数
で前景放射を軽減する方法を提案
Yoshiura et al (2018)
Kubota et al (2018)
21cm線と他波長のシナジーによる宇宙再電離の包括的解明
21cm線観測 SKA Low
他波長観測
宇宙再電離を探る手法として中性水素の21cm
輝線が有力である。 他波長との相互相関を
取ることで微弱な21cm線を検出でき、さ
らに電離光源の正体に迫ることもできる。
21cm吸収線
(e.g.クエーサーの
フォローアップ)
(e.g. 銀河)
他波長観測
一方、21cm吸収線によりこれまでの観測では
届かない低質量天体が検出可能になり, 宇宙再
電離期の銀河形成、初期宇宙や暗黒物質など
の未知の物理の理解が飛躍的に高まる。
相互相関
0
20
40
60
80
100
120
140
160
0 20 40 60 80 100 120 140 160
0
20
40
60
80
100
120
140
160
0 20 40 60 80 100 120 140 160
0
20
40
60
80
100
120
140
160
0 20 40 60 80 100 120 140 160
0
20
40
60
80
100
120
140
160
0 20 40 60 80 100 120 140 160
21cm線バイスペクトル
21cm線+機械学習
解説動画リンク→https://youtu.be/F0LWuNNQtrI
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
•機械学習を用いた21cm線シグナルからの情報
抽出(最近流行中)
Shimabukuro & Semelin (2017), Kern+(2017), Schmit + (2018)
•21cm線高次統計量(bispectrum, higher moment)
Shimabukuro + (2015,2016,2017), Yoshiura + (2015)
Watkinson + (2017,2022), Majumadar + (2018),
統計的アプローチで再電離モデルへの制限
Park et al 2018
Shimabukuro & Semelin (2017)
21cm線統計的アプローチ
Greig & Mesinger (2016), Park + (2018)
•ベイズ統計学(MCMC)を用いて21cm線パワース
ペクトルから再電離パラメータ推定
•機械学習を用いた21cm線シグナルからの情報
抽出(最近流行中)
Shimabukuro & Semelin (2017), Kern+(2017), Schmit + (2018)
•21cm線高次統計量(bispectrum, higher moment)
Shimabukuro + (2015,2016,2017), Yoshiura + (2015)
Watkinson + (2017,2022), Majumadar + (2018),
統計的アプローチで再電離モデルへの制限
Park et al 2018
Shimabukuro & Semelin (2017)
•Emulator
•パラメータ推定
•再電離源の区別
(e.g) Hassan +2019
•その他
(e.g.) Li + 2019, Chardin + 2019, Yoshiura + 2020, Shimabukuro + 2022
(e.g.) Kern + 2017, Schmit + 2018, Aviad + 2020, Bevins + 2021, Bevins+ 2021
(e.g.) Shimabukuro + 2017, Gilet+ 2018, Nicolas +2019, Doussot +2019, Choudhury+
2020,2021a,b
21cm線+機械学習
Artificial Neural Network(ANN)
人間の脳を形作るシナプスやニューロン
の数学的モデルに着想を得た機械学習の
一分野。
ex.) Rumelhart et. al (1986)
LeCun et. al (1989)
近年、天文学でも広く応用されて
いる。
•訓練データが与えられると、ANNは自分
でネットワークを最適化する様に学習し、
入力と出力を結ぶ近似的な関数を構築。
y = f(x)
•訓練されたネットワークを未知のデータに
適用し、出力を予測する。
yANN = f(xtest)
•ANNは入力層、隠れ層、出力層で構成。
それぞれのニューロンが結びついてる。
非線形回帰問題
Artificial Neural Network(ANN)
再電離パラメータ 21cmPS
ANN MCMC
Before : 6コアの計算機で2.5日
After:4分
計算速度が3桁上昇
(Schmit et al 2018)
(input) (output)
Emulator
再電離パラメータ
21cmPS
21cm map
ANN
(input) (output)
パラメータ推定
Gilet +2018
10
20
30
40
50
60
10 20 30 40 50 60
R
mfp,ANN
[Mpc]
Rmfp,true[Mpc]
10
20
30
40
50
60
10 20 30 40 50 60
ANN
true
1
10
100
1 10 100
T
vir,ANN
[K/10
3
]
Tvir,true[K/10
3
]
HS & Semelin, 2017
再電離源の分類
21cm map ANN
(input) (output)
再電離源の区別
Hassan +2019
Reconstruction of HI (ionized bubble) distribution
Fig. 5. Same as Figure 4, but for the LAEs z = 6.6. The large red open squares indicate the LAEs with spatially extended Lyα emission including Himiko
(Ouchi et al. 2009a) and CR7 (Sobral et al. 2015). See Shibuya et al. (2017b) for more details.
Input : LAE Output : HI distribution
Yoshiura +2021
Shimabukuro +2022
Input : 21cm PS
Output :ionized bubble size
distribution

Weitere ähnliche Inhalte

Was ist angesagt?

ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningssuserca2822
 
Learning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for GraphsLearning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for GraphsTakuya Akiba
 
Wasserstein GANを熟読する
Wasserstein GANを熟読するWasserstein GANを熟読する
Wasserstein GANを熟読するssusera4bf2d
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with TransformersDeep Learning JP
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17Takuya Akiba
 
GCNによる取引関係グラフからの企業の特徴量抽出
GCNによる取引関係グラフからの企業の特徴量抽出GCNによる取引関係グラフからの企業の特徴量抽出
GCNによる取引関係グラフからの企業の特徴量抽出Masakazu Mori
 
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCHDeep Learning JP
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知Hideo Terada
 
文献紹介:EfficientDet: Scalable and Efficient Object Detection
文献紹介:EfficientDet: Scalable and Efficient Object Detection文献紹介:EfficientDet: Scalable and Efficient Object Detection
文献紹介:EfficientDet: Scalable and Efficient Object DetectionToru Tamaki
 
A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...harmonylab
 
解説#82 記号論理学
解説#82 記号論理学解説#82 記号論理学
解説#82 記号論理学Ruo Ando
 
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)Deep Learning JP
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fieldscvpaper. challenge
 
CVPR2019読み会@関東CV
CVPR2019読み会@関東CVCVPR2019読み会@関東CV
CVPR2019読み会@関東CVTakanori Ogata
 
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...Deep Learning JP
 
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出hoxo_m
 
タクシー労働供給モデルのレビュー
タクシー労働供給モデルのレビュー タクシー労働供給モデルのレビュー
タクシー労働供給モデルのレビュー Masa Asami
 
深センで半年間住んでMakeと研究をしてみた
深センで半年間住んでMakeと研究をしてみた深センで半年間住んでMakeと研究をしてみた
深センで半年間住んでMakeと研究をしてみたJunichi Akita
 

Was ist angesagt? (20)

ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
 
Learning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for GraphsLearning Convolutional Neural Networks for Graphs
Learning Convolutional Neural Networks for Graphs
 
Wasserstein GANを熟読する
Wasserstein GANを熟読するWasserstein GANを熟読する
Wasserstein GANを熟読する
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
 
GCNによる取引関係グラフからの企業の特徴量抽出
GCNによる取引関係グラフからの企業の特徴量抽出GCNによる取引関係グラフからの企業の特徴量抽出
GCNによる取引関係グラフからの企業の特徴量抽出
 
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
【DL輪読会】AUTOGT: AUTOMATED GRAPH TRANSFORMER ARCHITECTURE SEARCH
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
 
文献紹介:EfficientDet: Scalable and Efficient Object Detection
文献紹介:EfficientDet: Scalable and Efficient Object Detection文献紹介:EfficientDet: Scalable and Efficient Object Detection
文献紹介:EfficientDet: Scalable and Efficient Object Detection
 
A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...
 
解説#82 記号論理学
解説#82 記号論理学解説#82 記号論理学
解説#82 記号論理学
 
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)
【DL輪読会】CLIPORT: What and Where Pathways for Robotic Manipulation (CoRL 2021)
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
 
CVPR2019読み会@関東CV
CVPR2019読み会@関東CVCVPR2019読み会@関東CV
CVPR2019読み会@関東CV
 
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
【DL輪読会】DiffRF: Rendering-guided 3D Radiance Field Diffusion [N. Muller+ CVPR2...
 
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
 
タクシー労働供給モデルのレビュー
タクシー労働供給モデルのレビュー タクシー労働供給モデルのレビュー
タクシー労働供給モデルのレビュー
 
week1
week1week1
week1
 
深センで半年間住んでMakeと研究をしてみた
深センで半年間住んでMakeと研究をしてみた深センで半年間住んでMakeと研究をしてみた
深センで半年間住んでMakeと研究をしてみた
 

Ähnlich wie Lesson from 21cm line signal

21cm線を用いた宇宙再電離期探査の現状
21cm線を用いた宇宙再電離期探査の現状21cm線を用いた宇宙再電離期探査の現状
21cm線を用いた宇宙再電離期探査の現状Hayato Shimabukuro
 
21cm線で探る宇宙暗黒時代と宇宙の夜明け
21cm線で探る宇宙暗黒時代と宇宙の夜明け21cm線で探る宇宙暗黒時代と宇宙の夜明け
21cm線で探る宇宙暗黒時代と宇宙の夜明けHayato Shimabukuro
 
110823 j1644 pr-rev3ml
110823 j1644 pr-rev3ml110823 j1644 pr-rev3ml
110823 j1644 pr-rev3mlfusion2011
 
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJ
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJGalaxy Forum Japan 2012 - Hidehiko Agata, NAOJ
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJILOAHawaii
 
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説Masaya Kaneko
 
博士論文公聴会(完全版)
博士論文公聴会(完全版)博士論文公聴会(完全版)
博士論文公聴会(完全版)Hayato Shimabukuro
 

Ähnlich wie Lesson from 21cm line signal (9)

21cm線を用いた宇宙再電離期探査の現状
21cm線を用いた宇宙再電離期探査の現状21cm線を用いた宇宙再電離期探査の現状
21cm線を用いた宇宙再電離期探査の現状
 
SKAで探る宇宙再電離
SKAで探る宇宙再電離SKAで探る宇宙再電離
SKAで探る宇宙再電離
 
21cm線で探る宇宙暗黒時代と宇宙の夜明け
21cm線で探る宇宙暗黒時代と宇宙の夜明け21cm線で探る宇宙暗黒時代と宇宙の夜明け
21cm線で探る宇宙暗黒時代と宇宙の夜明け
 
SKAで探る宇宙再電離
SKAで探る宇宙再電離SKAで探る宇宙再電離
SKAで探る宇宙再電離
 
110823 j1644 pr-rev3ml
110823 j1644 pr-rev3ml110823 j1644 pr-rev3ml
110823 j1644 pr-rev3ml
 
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJ
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJGalaxy Forum Japan 2012 - Hidehiko Agata, NAOJ
Galaxy Forum Japan 2012 - Hidehiko Agata, NAOJ
 
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説
GN-Net: The Gauss-Newton Loss for Deep Direct SLAMの解説
 
博士論文公聴会(完全版)
博士論文公聴会(完全版)博士論文公聴会(完全版)
博士論文公聴会(完全版)
 
20130116
2013011620130116
20130116
 

Mehr von Hayato Shimabukuro (20)

21cm cosmology with machine learning (Review))
21cm cosmology with machine learning (Review))21cm cosmology with machine learning (Review))
21cm cosmology with machine learning (Review))
 
論文紹介1
論文紹介1論文紹介1
論文紹介1
 
『宇宙のこども時代ってどうだった?』
『宇宙のこども時代ってどうだった?』『宇宙のこども時代ってどうだった?』
『宇宙のこども時代ってどうだった?』
 
Application of machine learning in 21cm cosmology
Application of machine learning in 21cm cosmologyApplication of machine learning in 21cm cosmology
Application of machine learning in 21cm cosmology
 
21cm cosmology with ML
21cm cosmology with ML21cm cosmology with ML
21cm cosmology with ML
 
CEEDトーク_宇宙論
CEEDトーク_宇宙論CEEDトーク_宇宙論
CEEDトーク_宇宙論
 
lecture31&32
lecture31&32lecture31&32
lecture31&32
 
lecture29
lecture29lecture29
lecture29
 
lecture30
lecture30lecture30
lecture30
 
lecture28
lecture28lecture28
lecture28
 
lecture27
lecture27lecture27
lecture27
 
lecture26
lecture26lecture26
lecture26
 
lecture25
lecture25lecture25
lecture25
 
lecture23
lecture23lecture23
lecture23
 
lecture24
lecture24lecture24
lecture24
 
lecture22
lecture22lecture22
lecture22
 
lecture21
lecture21lecture21
lecture21
 
lecture20
lecture20lecture20
lecture20
 
lecture19
lecture19lecture19
lecture19
 
lecture18
lecture18lecture18
lecture18
 

Lesson from 21cm line signal