要約
ブラックホールと降着フローの特性は、イベントHorizon望遠鏡（EHT）データをフィッティングすることで推測できます。
ただし、GRRTの計算集中性のため、特定の放射フラックス画像を生成する効率を改善する必要があります。
このホワイトペーパーでは、分岐補正メカニズムと加重混合損失関数を使用して、放射的に非効率的な降着流（RIAF）モデルの7つの物理パラメーターに基づく生成ブラックホール画像の精度を改善する分岐補正拡散モデル（BCDDM）を紹介します。
私たちの実験は、生成された画像とその物理的パラメーターとの間に強い相関関係を示しています。
BCDDM生成画像でGRRTデータセットを強化し、パラメーター回帰にResNet50を使用することにより、パラメーター予測パフォーマンスの大幅な改善を実現します。
このアプローチは、計算コストを削減し、データセットの拡張、パラメーターの推定、およびモデルフィッティングのためのより速く、より効率的な方法を提供します。
要約(オリジナル)
The properties of black holes and accretion flows can be inferred by fitting Event Horizon Telescope (EHT) data to simulated images generated through general relativistic ray tracing (GRRT). However, due to the computationally intensive nature of GRRT, the efficiency of generating specific radiation flux images needs to be improved. This paper introduces the Branch Correction Denoising Diffusion Model (BCDDM), which uses a branch correction mechanism and a weighted mixed loss function to improve the accuracy of generated black hole images based on seven physical parameters of the radiatively inefficient accretion flow (RIAF) model. Our experiments show a strong correlation between the generated images and their physical parameters. By enhancing the GRRT dataset with BCDDM-generated images and using ResNet50 for parameter regression, we achieve significant improvements in parameter prediction performance. This approach reduces computational costs and provides a faster, more efficient method for dataset expansion, parameter estimation, and model fitting.
arxiv情報
| 著者 | Ao liu,Zelin Zhang,Songbai Chen,Cuihong Wen |
| 発行日 | 2025-02-12 16:05:46+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google