用于动力学 Sunyaev-Zel'dovich 效应探测的卷积神经网络重建速度
宇宙学与河外天体物理
2022-06-15 v2
摘要
我们报告了在星系团中探测到动力学 Sunyaev-Zel'dovich (kSZ) 效应，使用数据发布 4 的最新 217 GHz Planck 地图达到了 4.9 倍标准差的显著性。为进行探测，我们将 Planck 地图在来自 Wen-Han-Liu (WHL) 星表的 30,431 个星系团位置处进行叠加。为对齐 kSZ 信号的符号，星系团的视线速度通过机器学习方法估计，其中星系团周围星系分布与其视线速度之间的关系通过卷积神经网络进行训练。为训练我们的网络，我们使用了 Magneticum 宇宙学流体动力学模拟中的模拟星系与星系团。训练好的模型被应用于 Sloan Digital Sky Survey 星系的大尺度分布，以推导 WHL 星系团的视线速度。假设星系团内介质为标准 beta 模型，我们得到在平均质量 M500 ~ 1.0 x 10^14 Msun/h 的星系团内 R500 处的气体质量分数 fgas,500 = 0.09 +- 0.02。
引用
@article{arxiv.2201.01643,
title = {Convolutional Neural Network-reconstructed velocity for kinetic SZ detection},
author = {Hideki Tanimura and Nabila Aghanim and Victor Bonjean and Saleem Zaroubi},
journal= {arXiv preprint arXiv:2201.01643},
year = {2022}
}
备注
8 pages, 6 figures. arXiv admin note: text overlap with arXiv:2007.02952