Correction, guidée par les données, de distributions a priori biaisées en haute dimension pour l’astrophysique
Notice bibliographique
Résumé
De nombreux problèmes inverses en astrophysique comportent des composantes qui ne peuvent pas être adéquatement décrites par de simples modèles paramétriques. Cela est particulièrement vrai pour des observations de haute qualité, à fort rapport signal/bruit. Les représentations pixellisées (non paramétriques) offrent une flexibilité accrue, mais posent des défis d’inférence, surtout pour des problèmes inverses mal posés. Une approche bayésienne peut atténuer ces dégénérescences en codant nos croyances a priori sur les paramètres d’intérêt dans une distribution a priori. Dans le cadre non paramétrique, toutefois, la spécification de telles distributions a priori et l’inférence qui s’ensuit demeurent difficiles. Heureusement, le développement récent de techniques d’apprentissage automatique probabiliste offre plusieurs pistes. Les modèles génératifs basés sur le score (aussi appelés modèles de diffusion), paramétrisés par des réseaux de neurones, affichent des performances de premier plan pour la modélisation et l’échantillonnage en haute dimension et, dans un contexte bayésien, peuvent servir d’a priori probabilistes appris à partir des données pour des problèmes inverses. En astrophysique, ces modèles ont déjà été appliqués à divers problèmes inverses, comme la déconvolution ou la reconstruction de champs cosmologiques. L’entraînement adéquat d’un modèle génératif sur un ensemble de données représentatif est crucial pour apprendre la distribution a priori. Cela s’avère souvent difficile, par exemple lorsque l’on ne dispose pas d’échantillons véritablement représentatifs de la distribution d’intérêt et exempts d’artefacts instrumentaux. Malgré cette contrainte, l’inférence a posteriori avec des modèles génératifs basés sur le score surpasse les méthodes de référence traditionnelles, mais la réduction de la mauvaise spécification de la distribution a priori demeure impérative pour une science de précision en astrophysique lorsque ces modèles servent d’a priori. Cette thèse propose une méthode itérative fondée sur l’algorithme d’espérance-maximisation afin de réduire la mauvaise spécification de la distribution a priori en mettant à jour un a priori appris par un modèle génératif basé sur le score, initialement mal spécifié, à l’aide d’échantillons a posteriori issus d’observations partielles ou bruitées de la distribution véritable. Nous illustrons cette approche sur le problème de reconstruction de la source dans des lentilles gravitationnelles fortes, qui est de haute dimension, et montrons qu’après plusieurs mises à jour, l’échantillonnage a posteriori est moins biaisé et que la distribution apprise se rapproche de la véritable distribution a priori.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,012 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».