使用正规化流模型去噪银河系星体测量数据

Gaia数据集揭示了许多精细的银河系亚结构，包括移动团体和相位螺旋。对这些特征进行精确表征并与理论模型进行详细比较需要与Gaia的异方差噪声模型进行交互，特别是在银河盘和 Halo 的较远部分。在本工作中，我们提出一种通用、新型的机器学习方法，使用正规化流进行密度估计去噪，特别关注来自星体测量数据(如Gaia数据)的密度估计。正规化流通过双射变换将简单基分布转换为复杂目标分布，具有高度表达性和灵活性。通过重要抽样实现去噪。我们演示了该通用程序在Gaia数据上表现优异，通过重建人为噪声扰动的局部速度分布来实现。例如，我们表明赫氏流的多个分支和相位空间螺旋都能被该模型良好捕获。我们讨论了最佳恢复亚结构的超参数选择，并将该方法与极端去卷积进行比较。该模型因此承诺成为研究银河系运动学在Gaia噪声显著的银河系位置的强大工具。