CosmicRIM：结合可微分模拟与循环推理机重建早期宇宙
宇宙学与河外天体物理
2021-04-28 v1
摘要
在正向建模框架中从巡天数据重建宇宙初期的高斯初始条件，是宇宙学中的一大挑战。这需要求解一个高维逆问题，其正向模型昂贵且非线性：宇宙学 N 体模拟。尽管直到最近仍难以处理，我们提出使用自动可微分的 N 体求解器，结合循环网络来学习推理方案，并获得宇宙初始条件的最大后验（MAP）估计。我们利用真实的宇宙学可观测量证明，习得的推理比 ADAM 和 LBFGS 等传统算法快 40 倍，后者需要专门的退火方案，且所得解质量更高。
引用
@article{arxiv.2104.12864,
title = {CosmicRIM : Reconstructing Early Universe by Combining Differentiable Simulations with Recurrent Inference Machines},
author = {Chirag Modi and François Lanusse and Uroš Seljak and David N. Spergel and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2104.12864},
year = {2021}
}
备注
Published as a workshop paper at ICLR 2021 SimDL Workshop