用神经网络解释暗物质晕密度剖面
宇宙学与河外天体物理
2024-01-22 v2 机器学习
摘要
我们使用可解释神经网络将暗物质晕的演化历史与其密度剖面联系起来。该网络在低维表示中捕捉密度剖面中的独立变化因子,并利用互信息进行物理诠释。在没有任何晕演化先验知识的情况下,网络恢复了早期成团与内剖面之间的已知关系,并发现超出维里半径的剖面由捕捉最近质量吸积率的单一参数描述。结果展示了在复杂天体物理数据集中进行机器辅助科学发现的潜力。
引用
@article{arxiv.2305.03077,
title = {Explaining dark matter halo density profiles with neural networks},
author = {Luisa Lucie-Smith and Hiranya V. Peiris and Andrew Pontzen},
journal= {arXiv preprint arXiv:2305.03077},
year = {2024}
}
备注
7 pages, 5 figures. Minor changes to match version accepted for publication in PRL