基于条件生成对抗网络的 KiDS-1000 巡天层析球面质量图模拟器

大规模物质密度模拟集在大型结构宇宙学中愈发重要。物质功率谱模拟器（如 Euclid Emulator 与 CosmicEmu）在模拟上训练以修正功率谱的非线性部分。基于图的分析从密度场中检索额外的非高斯信息，无论通过诸如峰值计数等人工设计统计量，还是经由卷积神经网络等机器学习方法。这些方法所需模拟在计算时间与存储上均极耗资源。近期提出基于深度生成模型的图像级密度场模拟器以应对这些挑战。本工作中，我们呈现一种 KiDS-1000 巡天足迹的新型质量图模拟器，其在不到一秒内生成无噪声球面图。它以一组宇宙学参数 $(\Omega_M, \sigma_8)$ 为输入，产生一组一致的 5 幅图，对应于 KiDS-1000 层析红移区间。为构建该模拟器，我们使用条件生成对抗网络架构与球面 CNN $\texttt{DeepSphere}$，并在 N 体模拟质量图上训练。我们使用一系列定量比较度量比较其性能：角功率谱 $C_\ell$、像素/峰值分布、$C_\ell$ 相关矩阵与结构相似性指数。总体上，在模拟网格中心的宇宙学上这些汇总统计的平均一致度 $<10\%$，在网格边缘略有退化。最后，我们使用模拟器与原始模拟集执行虚拟宇宙学参数估计。我们发现两种约束（似然与无似然方法）均吻合良好。该模拟器可从 https://tfhub.dev/cosmo-group-ethz/models/kids-cgan/1 获取。