PALUD, Pierre; CHAINAIS, Pierre; LE PETIT, Franck; BRON, Emeric; VONO, Maxime; EINIG, Lucas; GARCIA SANTA-MARIA, Miriam; GAUDEL, Mathilde; ORKISZ, Jan; MAGALHAES, Victor De Souza; BARDEAU, Sébastien; GERIN, Maryvonne; GOICOECHEA, Javier; GRATIER, Pierre; GUZMAN, Viviana; KAINULAINEN, Jouni; LEVRIER, François; PERETTO, Nicolas; PETY, Jérôme; ROUEFF, Antoine; SIEVERS, Albrecht

Métadonnées

Licence d’utilisation du document

PALUD, Pierre
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique et Atmosphères = Laboratory for Studies of Radiation and Matter in Astrophysics and Atmospheres [LERMA]

CHAINAIS, Pierre
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

LE PETIT, Franck
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique et Atmosphères = Laboratory for Studies of Radiation and Matter in Astrophysics and Atmospheres [LERMA]

CHAINAIS, Pierre
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]

LE PETIT, Franck
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique et Atmosphères = Laboratory for Studies of Radiation and Matter in Astrophysics and Atmospheres [LERMA]

BRON, Emeric
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique et Atmosphères = Laboratory for Studies of Radiation and Matter in Astrophysics and Atmospheres [LERMA]

VONO, Maxime
Criteo AI Lab

EINIG, Lucas
Institut de RadioAstronomie Millimétrique [IRAM]

GARCIA SANTA-MARIA, Miriam
Instituto de Física Fundamental [Madrid] [IFF]

GAUDEL, Mathilde
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique [LERMA]

ORKISZ, Jan
Department of Space, Earth and Environment, Chalmers University of Technology

MAGALHAES, Victor De Souza
Institut de RadioAstronomie Millimétrique [IRAM]

BARDEAU, Sébastien
Observatoire aquitain des sciences de l'univers [OASU]
Laboratoire d'Astrophysique de Bordeaux [Pessac] [LAB]

GERIN, Maryvonne
Laboratoire d'Etude du Rayonnement et de la Matière en Astrophysique [LERMA]

GOICOECHEA, Javier
Instituto de Física Fundamental [Madrid] [IFF]

GRATIER, Pierre
Observatoire aquitain des sciences de l'univers [OASU]
Université Sciences et Technologies - Bordeaux 1 [UB]
Laboratoire d'Astrophysique de Bordeaux [Pessac] [LAB]
Laboratoire d'astrodynamique, d'astrophysique et d'aéronomie de bordeaux [L3AB]

GUZMAN, Viviana
Joint ALMA Observatory [JAO]

KAINULAINEN, Jouni
Department of Space, Earth and Environment, Chalmers University of Technology

LEVRIER, François
Laboratoire de Radioastronomie

PERETTO, Nicolas
School of Physics and Astronomy [Cardiff]
Astrophysique Interprétation Modélisation [AIM (UMR7158 / UMR_E_9005 / UM_112)]

PETY, Jérôme
Institut de RadioAstronomie Millimétrique [IRAM]

ROUEFF, Antoine
PhyTI [PhyTI]

SIEVERS, Albrecht
Instituto de RadioAstronomía Milimétrica [IRAM]

< Réduire

Langue

Communication dans un congrès

Ce document a été publié dans

2022 30th European Signal Processing Conference (EUSIPCO), 2022-08-29, Belgrade.

Résumé en anglais

This work considers a challenging radio-astronomyinverse problem of physical parameter inference from multispec-tral observations. The forward model underlying this problem isa computationally expensive numerical simulation. In addition,the observation model mixes different sources of noise yieldinga non-concave log-likelihood function. To overcome these issues,we introduce a likelihood approximation with controlled error.Given the absence of ground truth, parameter inference isconducted with a Markov chain Monte Carlo (MCMC) algorithmto provide credibility intervals along with point estimates. To thisaim, we propose a new sampler that addresses the numericalchallenges induced by the observation model, in particular thenon-log-concavity of the posterior distribution. The efficiency ofthe proposed method is demonstrated on synthetic yet realisticastrophysical data. We believe that the proposed approach isvery general and can be adapted to many similar difficult inverseproblems< Réduire

Mots clés en anglais

Inverse problem

Bayesian inference

Markov chain Monte Carlo algorithm

multiplicative noise

Project ANR

Inférence rapide et contrôle de l'incertitude: applications aux observations astrophysiques. - ANR-20-CHIA-0031
ULNE

Origine

Importé de hal

Unités de recherche

Laboratoire d'Astrophysique de Bordeaux (LAB) - UMR 5804