深度学习暗物质子结构的天体测量信号
宇宙学与河外天体物理
2022-01-05 v2 星系天体物理
摘要
我们研究了机器学习技术用于检测暗物质子结构天体测量信号的应用。在这一原理验证中，银河系中的一批暗物质子晕将作为来自河外起源（如类星体）的源天体的透镜。我们训练了 ResNet-18（一种最先进的卷积神经网络），将一批类星体的角速度图分类为被透镜化与未被透镜化两类。我们表明，具有扩展操作基线的类 SKA 巡天可用于探测银河系的子结构含量，并展示了如何使用公理归因在透镜图中定位子结构。
引用
@article{arxiv.2008.11577,
title = {Deep learning the astrometric signature of dark matter substructure},
author = {Kyriakos Vattis and Michael W. Toomey and Savvas M. Koushiappas},
journal= {arXiv preprint arXiv:2008.11577},
year = {2022}
}
备注
Replaced with version accepted for publication in Physics. Rev. D