用于宇宙学流体动力学的人工智能超分辨率场模拟器：Lyman-α 森林
宇宙学与河外天体物理
2025-07-23 v1 星系天体物理
天体物理仪器与方法
计算物理
摘要
我们将用于宇宙学暗物质模拟的超分辨率与模拟框架扩展至包含流体动力学。我们提出了一个两阶段深度学习模型，用于从红移 的低分辨率模拟中模拟高分辨率重子场。该方法以低分辨率流体模拟和高质量初始条件作为输入。首先，模型从低分辨率流体模拟中随机生成高分辨率重子场。其次，确定性模拟器利用高质量初始条件对这些场进行细化，以重构小尺度结构，包括位移、速度、内能和气体/恒星分类。该模型在由 \texttt{MP-Gadget} 生成的成对低分辨率和高分辨率模拟上进行训练，能够捕捉星际介质和 Lyman- 森林观测值的小尺度结构，精度达到与 Lyman- 森林相关的 100 kpc 压力平滑尺度。该模型对过密度、温度、速度和光深场实现了亚百分比误差，在大尺度通量功率谱（）中的平均相对误差为 1.07%，在通量概率分布函数中的误差小于 10%。值得注意的是，与相同分辨率下的完整平滑粒子流体动力学相比，两阶段模型将计算时间减少了约 450 倍。这项工作展示了该框架作为生成高分辨率场的强大且高效工具的潜力，为传统宇宙学流体动力学模拟提供了快速且准确的替代方案，并为下一代宇宙学调查生成大体积模拟数据集。
引用
@article{arxiv.2507.16189,
title = {An AI super-resolution field emulator for cosmological hydrodynamics: the Lyman-{\alpha} forest},
author = {Fatemeh Hafezianzadeh and Xiaowen Zhang and Yueying Ni and Rupert A. C. Croft and Tiziana DiMatteo and Mahdi Qezlou and Simeon Bird},
journal= {arXiv preprint arXiv:2507.16189},
year = {2025}
}