Improving cosmological covariance matrices with machine learning (2022)
- Authors:
- USP affiliated authors: ABRAMO, LUIS RAUL WEBER - IF ; SANTI, NATALÍ SOLER MATUBARO DE - IF
- Unidade: IF
- DOI: 10.1088/1475-7516/2022/09/013
- Subjects: ASTROFÍSICA; FÍSICA MATEMÁTICA; COSMOLOGIA; SIMULAÇÃO (ESTATÍSTICA)
- Keywords: cosmological parameters from LSS; Machine learning; cosmological simulations; power spectrum
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Journal of Cosmology and Astroparticle Physics (JCAP)
- ISSN: 1475-7516
- Volume/Número/Paginação/Ano: v. 2022, n. 9, 6 de setembro de 2022, número do artigo: 013, online
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SANTI, Natali Soler Matubaro de e ABRAMO, Luis Raul Weber. Improving cosmological covariance matrices with machine learning. Journal of Cosmology and Astroparticle Physics (JCAP), v. 2022, n. 9, 2022Tradução . . Disponível em: https://doi.org/10.1088/1475-7516/2022/09/013. Acesso em: 24 jan. 2026. -
APA
Santi, N. S. M. de, & Abramo, L. R. W. (2022). Improving cosmological covariance matrices with machine learning. Journal of Cosmology and Astroparticle Physics (JCAP), 2022( 9). doi:10.1088/1475-7516/2022/09/013 -
NLM
Santi NSM de, Abramo LRW. Improving cosmological covariance matrices with machine learning [Internet]. Journal of Cosmology and Astroparticle Physics (JCAP). 2022 ; 2022( 9):[citado 2026 jan. 24 ] Available from: https://doi.org/10.1088/1475-7516/2022/09/013 -
Vancouver
Santi NSM de, Abramo LRW. Improving cosmological covariance matrices with machine learning [Internet]. Journal of Cosmology and Astroparticle Physics (JCAP). 2022 ; 2022( 9):[citado 2026 jan. 24 ] Available from: https://doi.org/10.1088/1475-7516/2022/09/013 - Robust field-level likelihood-free inference with galaxies
- High-fidelity reproduction of central galaxy joint distributions with neural networks
- A universal equation to predict ''ômega' IND. m' from halo and galaxy catalogs
- The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites
- Machine learning methods for extracting cosmological information
- Mimicking the halo–galaxy connection using machine learning
- The multi-tracer optimal estimator applied to VIPERS
- The miniJPAS survey: white dwarf science with 56 optical filters
- Inflação e o acoplamento conforme
- Vinculando modelos de energia escura através da radiação cósmica de fundo
Informações sobre o DOI: 10.1088/1475-7516/2022/09/013 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
de_Santi_2022_J._Cosmol._... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
