基于CAMELS-zoomGZ叠加星团轮廓推导宇宙学与天体物理参数
宇宙学与河外天体物理
2024-10-16 v1
摘要
我们报告了一种利用叠加星团轮廓推导宇宙学与天体物理参数的研究方法。基于CAMELS-zoomGZ模拟，探索了各种星团属性（如X射线表面亮度、气体密度、温度、金属浓度和Compton-y轮廓）如何用于预测其在28维 IllustrisTNG 参数空间中的参数。通过神经网络方法，我们实现了对所有宇宙学参数（包括、、）的相关系数达到0.97以上，对其余天体物理参数的相关系数超过0.90，凸显了这些轮廓在参数推导中的有效性。我们考察了不同径向切割的影响，取值为至的bins，以模拟当前观测约束。此外，我们进行了噪声灵敏度分析，加入最高达40%的高斯噪声（对应信噪比最低为2.5），结果显示、及IMF斜率等关键参数即使在极端噪声条件下仍保持稳健。我们还比较了完整径向轮廓与积分量的性能，发现轮廓通常能实现更精确的参数推导。我们的结果表明，叠加星团轮廓包含了关于组和星团内部天体物理过程以及宇宙本体物理的关键信息。这凸显了其在解释下一代观测survey预期数据中的重要性，并首次揭示了其作为强大参数推导工具的潜力。
引用
@article{arxiv.2410.10942,
title = {Cosmological and Astrophysical Parameter Inference from Stacked Galaxy Cluster Profiles Using CAMELS-zoomGZ},
author = {Elena Hernández-Martínez and Shy Genel and Francisco Villaescusa-Navarro and Ulrich P. Steinwandel and Max E. Lee and Erwin T. Lau and David N. Spergel},
journal= {arXiv preprint arXiv:2410.10942},
year = {2024}
}
备注
Submitted to ApJ