去偏扩散：基于CAMELS模拟的星系暗物质场概率重建
宇宙学与河外天体物理
2024-03-19 v1 星系天体物理
摘要
星系是宇宙网的有偏示踪体，而宇宙网主要由无法直接观测的暗物质成分主导。星系形成模拟可用于研究暗物质密度场与星系分布之间的关系。然而，这种关系可能对星系形成模型中嵌入的宇宙学和天体物理过程假设敏感，而这些假设在许多方面仍存在不确定性。在本工作中，我们开发了一种扩散生成模型，用于从星系重建暗物质场。该扩散模型在CAMELS模拟套件上训练，该套件包含数千个最先进的星系形成模拟，具有变化的宇宙学参数和次网格天体物理学。我们证明，扩散模型能够从给定的恒星质量场预测底层暗物质场的无偏后验分布，同时能够边缘化宇宙学和天体物理模型中的不确定性。有趣的是，该模型可泛化到其训练体积大约500倍的模拟体积，并跨越不同的星系形成模型。重现这些结果的代码可在https://github.com/victoriaono/variational-diffusion-cdm找到。
引用
@article{arxiv.2403.10648,
title = {Debiasing with Diffusion: Probabilistic reconstruction of Dark Matter fields from galaxies with CAMELS},
author = {Victoria Ono and Core Francisco Park and Nayantara Mudur and Yueying Ni and Carolina Cuesta-Lazaro and Francisco Villaescusa-Navarro},
journal= {arXiv preprint arXiv:2403.10648},
year = {2024}
}