AI辅助超分辨率宇宙学模拟 II：晕子结构、速度及高阶统计
宇宙学与河外天体物理
2021-09-20 v2 机器学习
摘要
在这项工作中，我们扩展并测试了最近开发的超分辨率（SR）模型的能力，以从计算廉价的低分辨率（LR）宇宙学N体模拟生成包含位移和速度的全相空间物质分布的高分辨率（HR）实现。该SR模型通过生成512倍更多的示踪粒子来提升模拟分辨率，延伸至发生复杂结构形成过程的深非线性区。我们通过将模型部署于10个边长为100 Mpc/h的测试模拟来验证SR模型，并检查物质功率谱、双谱以及红移空间中的2D功率谱。我们发现生成的SR场在k ~ 10 h/Mpc尺度以下以百分之一水平匹配真实HR结果。我们还识别并检查暗物质晕及其子结构。我们的SR模型生成了LR输入无法分辨且在统计上与真实HR结果良好一致的视觉逼真的小尺度结构。该SR模型在晕占据分布、真实与红移空间中的晕关联以及成对速度分布上表现令人满意，以可比的散布匹配HR结果，从而展示了其在制作模拟晕目录方面的潜力。SR技术可成为在大宇宙学体积中建模小尺度星系形成物理的有力且有前景的工具。
引用
@article{arxiv.2105.01016,
title = {AI-assisted super-resolution cosmological simulations II: Halo substructures, velocities and higher order statistics},
author = {Yueying Ni and Yin Li and Patrick Lachance and Rupert A. C. Croft and Tiziana Di Matteo and Simeon Bird and Yu Feng},
journal= {arXiv preprint arXiv:2105.01016},
year = {2021}
}
备注
13 pages, 11 figures, published version