基于生成对抗网络的大尺度结构密度图快速生成
宇宙学与河外天体物理
2020-06-23 v1
摘要
生成对抗网络（GANs）是 unsupervised 机器学习近期的一项进展。它们是两种神经网络之间的一种猫鼠游戏：[1] 判别器网络，学习验证一个样本相较于训练集是真实的还是伪造的；[2] 生成器网络，学习生成看似属于训练集的数据。两个网络相互学习，直到训练完成，此时生成器网络能够产生与训练集无法区分的样本。我们发现，GANs 非常适合于快速生成新颖的 3D 密度图，这些密度图与从 N 体模拟中获得的密度图无法区分。在短短几秒内，一个完全训练好的 GAN 可以生成宇宙历史中不同历元的成千上万张密度图。这些由 GAN 生成的地图随后可用于研究大尺度结构随时间的演化。
引用
@article{arxiv.2006.11359,
title = {Fast Generation of Large-scale Structure Density Maps via Generative Adversarial Networks},
author = {Olivia Curtis and Tereasa G. Brainerd},
journal= {arXiv preprint arXiv:2006.11359},
year = {2020}
}
备注
3 pages, 1 figure, published in RNAAS