SPHEREx星系功率谱的人工神经网络模拟器I：神经网络细节与优化

我们提出神经网络用于生成给定一组输入宇宙学和星系偏置参数的多个tracer和红移bin的红移空间星系功率谱多极。该模拟器利用全连接层和变压器架构的组合，准确预测星系功率谱多极，速度比SPHEREx流水线快900倍。我们使用 $\Delta \chi^2$ 和似然轮廓对网络性能进行量化，针对使用两个相关tracer bin和两个独立红移bin的模拟SPHEREx分析进行评估。在优化网络架构、损失函数和训练集抽样策略后，我们实现当与测试集比较时的 $\operatorname{Med}\left( \Delta \chi^2\right) = 0.069$。在轮廓水平上，我们的模拟器与EFT预测在现实感参数范围内一致，1D最佳拟合偏移为 $0.078\sigma$，1D误差棒变化为 $0.82\%$。这些结果表明，使用神经网络模拟器加速SPHEREx红移空间功率谱分析是可行的。