English(EN) High-dimensional inference for the $\gamma$-ray sky with differentiable programming

微分编程解决高维宇宙射线天空分析问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员开发了一种使用可微分概率编程分析高维天体物理数据的新方法，专门针对长期存在的银河系中心伽马射线过量（GCE）难题。该方法利用GPU加速和矢量化来同时模拟连续的空间发射形态。这项工作旨在展示可微分概率编程在灵活的天体物理数据分析中的应用。 AI

影响将可微分编程引入复杂科学数据分析的新应用。

排序理由学术论文，详细介绍了一种新的天体物理数据分析方法。[lever_c_demoted from research: ic=1 ai=0.7]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Siddharth Mishra-Sharma, Tracy R. Slatyer, Yitian Sun, Yuqing Wu · 2026-06-29 04:00

High-dimensional inference for the $\gamma$-ray sky with differentiable programming

arXiv:2604.08648v2 Announce Type: replace-cross Abstract: We motivate the use of differentiable probabilistic programming techniques in order to account for the large model-space inherent to astrophysical $\gamma$-ray analyses. Targeting the longstanding Galactic Center $\gamma$-…