用生成对抗网络编码大尺度宇宙学结构
宇宙学与河外天体物理
2021-07-21 v1 机器学习
摘要
近来一类称为生成对抗网络(GANs)的神经网络被提出作为快速生成类模拟数据集的方案，试图绕过耗时和昂贵的宇宙学模拟所需的大量计算与时间算力。在当前工作中，我们构建并训练一个GAN，以进一步审视此类方法的优势与局限。我们随后提出一种新方法，其中利用训练好的GAN构建简单自编码器(AE)，作为构建预测模型的第一步。GAN与AE均在来自两类N体模拟（即2D与3D模拟）的图像上训练。我们发现GAN成功生成了与训练图像统计一致的新图像。我们随后展示AE能有效从模拟图像提取信息，满意地推断GAN的潜编码以生成具有相似大尺度结构的图像。
引用
@article{arxiv.2011.05244,
title = {Encoding large scale cosmological structure with Generative Adversarial Networks},
author = {Marion Ullmo and Aurélien Decelle and Nabila Aghanim},
journal= {arXiv preprint arXiv:2011.05244},
year = {2021}
}
备注
submitted for publication in A&A, 15 pages