High Energy Astrophysical Phenomena,Instrumentation and Methods for Astrophysics,Machine Learning,پدیده های اخترفیزیکی با انرژی بالا , ابزار دقیق و روش های اخترفیزیک , یادگیری ماشین ,
توضیحات
Submitted 29 August, 2024; originally announced August 2024. , Comments: code: https://github.com/ThomasHelfer/multimodal-supernovae data: https://huggingface.co/datasets/thelfer/multimodal_supernovae
توضیحات به فارسی
ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: کد: https://github.com/thomashelfer/multimodal-supernovae: https://huggingface.co/datasets/thelfer/multimodal_supernovae
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
A common setting in astronomy is the availability of a small number of high-quality observations, and larger amounts of either lower-quality observations or synthetic data from simplified models. Time-domain astrophysics is a canonical example of this imbalance, with the number of supernovae observed photometrically outpacing the number observed spectroscopically by multiple orders of magnitude. At the same time, no data-driven models exist to understand these photometric and spectroscopic observables in a common context. Contrastive learning objectives, which have grown in popularity for aligning distinct data modalities in a shared embedding space, provide a potential solution to extract information from these modalities. We present Maven, the first foundation model for supernova science. To construct Maven, we first pre-train our model to align photometry and spectroscopy from 0.5M synthetic supernovae using a constrastive objective. We then fine-tune the model on 4,702 observed supernovae from the Zwicky Transient Facility. Maven reaches state-of-the-art performance on both classification and redshift estimation, despite the embeddings not being explicitly optimized for these tasks. Through ablation studies, we show that pre-training with synthetic data improves overall performance. In the upcoming era of the Vera C. Rubin Observatory, Maven serves as a Rosetta Stone for leveraging large, unlabeled and multimodal time-domain datasets.
چکیده به فارسی (ترجمه ماشینی)
یک تنظیم مشترک در نجوم ، در دسترس بودن تعداد کمی از مشاهدات با کیفیت بالا ، و مقادیر بیشتری از مشاهدات با کیفیت پایین یا داده های مصنوعی از مدل های ساده است.اخترفیزیک دامنه زمان نمونه ای متعارف از این عدم تعادل است ، با تعداد ابرنواخترها مشاهده شده از نظر فوتومتریک از تعداد مشاهده شده به صورت طیف سنجی توسط چندین مرتبه از بزرگی پیشی می گیرد.در عین حال ، هیچ مدل داده محور برای درک این مشاهدات فوتومتریک و طیف سنجی در یک زمینه مشترک وجود ندارد.اهداف یادگیری متضاد ، که برای تراز کردن روشهای داده مجزا در یک فضای تعبیه شده مشترک ، محبوبیت زیادی پیدا کرده اند ، یک راه حل بالقوه برای استخراج اطلاعات از این روشها ارائه می دهند.ما Maven ، اولین الگوی بنیاد برای Supernova Science را ارائه می دهیم.برای ساخت Maven ، ما ابتدا مدل خود را برای تراز کردن فتومتری و طیف سنجی از 0.5M Supernovae مصنوعی با استفاده از یک هدف تقویت کننده پیش از محاصره قرار می دهیم.سپس مدل را روی 4،702 ابرنواختر مشاهده کردیم که از امکانات گذرا Zwicky مشاهده شد.مون در هر دو طبقه بندی و تخمین redshift به عملکرد پیشرفته می رسد ، با وجود تعبیه هایی که صریحاً برای این کارها بهینه نشده اند.از طریق مطالعات فرسایش ، ما نشان می دهیم که پیش از ترجمه با داده های مصنوعی عملکرد کلی را بهبود می بخشد.در دوره آینده رصدخانه ورا C. روبین ، Maven به عنوان یک سنگ روزتا برای استفاده از مجموعه داده های دامنه بزرگ ، بدون برچسب و چند مدلی خدمت می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
