메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최아영 (충북대학교) 김정한 (충북대학교) 임세환 (충북대학교) 피준승 (충북대학교)
저널정보
한국물리학회 새물리 새물리 제73권 제9호
발행연도
2023.9
수록면
785 - 800 (16page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
우주 거대구조의 비선형 진화과정 속에는 표준모형 너머 새로운 우주론적 패러다임을 구축하기 위해 필요한 중요한 정보가 담겨있기 때문에, 이를 정밀하게 탐색하는 일은 현대 우주론에서 중요한 과제이다. 최근 딥러닝(deep learning)을 활용하여 직접 거대구조 이미지로부터 우주론적 매개변수를 효율적으로 추정하는 연구가 활발히 이루어지고 있다. 거대구조 시계열 데이터 속에는 비선형 효과와 함께 당시 우주를 이루는 에너지 밀도에 대한 정보가 들어가 있기 때문에 시계열 데이터의 상관관계를 효과적으로 학습 할 수 있는 딥러닝 기법을 활용하면 매개변수 추정의 정확도를 높힐 수 있다. 본 논문에서는 트랜스포머(Transformer) 기반 딥러닝 모델을 고안하고, 이를 바탕으로 물질 밀도 계수(Ω<SUB>m</SUB>) 및 물질 요동 진폭을 정량화한 변수(σ<SUB>8</SUB>)를 추정하는 방법을 소개한다.

목차

Ⅰ. 서론
Ⅱ. 우주 거대구조 시뮬레이션
Ⅲ. 딥러닝 모델
Ⅳ. 결과
Ⅴ. 결론 및 토의
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0