利用自编码器模拟星系团的热 Sunyaev-Zeldovich 图像
宇宙学与河外天体物理
2022-02-23 v2
摘要
我们开发了一种机器学习算法,在仅给定晕质量与质量吸积率的情况下生成新颖星系团的高分辨率热 Sunyaev-Zeldovich (SZ) 图。该算法采用卷积神经网络形式的条件变分自编码器(CVAE),并使用由 IllustrisTNG 模拟生成的 SZ 图进行训练。我们的方法能重现星系团许多解析模型通常缺乏的细节,例如由并合产生的内部结构与气体的非球对称分布,同时达到同等计算可行性,使我们在笔记本电脑上于 30 秒内为超过 个星系团生成模拟 SZ 图。我们表明该模型能够生成新颖星系团(即训练集中未出现者),且除建模并合子团外,模型还准确再现了质量与质量吸积率对 SZ 图像的影响,如散射、不对称性及聚集度。本工作证明了基于机器学习的方法可用于生成未来 SZ 巡天所需的大量真实高分辨率星系团图像,以实现统计约束。
引用
@article{arxiv.2110.02232,
title = {Emulating Sunyaev-Zeldovich Images of Galaxy Clusters using Auto-Encoders},
author = {Tibor Rothschild and Daisuke Nagai and Han Aung and Sheridan B. Green and Michelle Ntampaka and John ZuHone},
journal= {arXiv preprint arXiv:2110.02232},
year = {2022}
}
备注
13 pages, 12 figures, 1 tables, accepted for publication in MNRAS