利用人工智能寻找子晕性质中的普适关系
宇宙学与河外天体物理
2022-03-14 v1 星系天体物理
天体物理仪器与方法
摘要
我们使用一种旨在高维空间中搜索关系的通用形式体系，来确定子晕的总质量是否可以通过其他内部性质（如速度弥散、半径或恒星形成率）来预测。我们利用来自 Cosmology and Astrophysics with MachinE Learning Simulations (CAMELS) 项目的数据训练神经网络，并表明该模型能够高精度预测子晕的总质量：超过 99% 的子晕预测质量与其真实值的偏差在 0.2 dex 以内。这些网络展现出惊人的外推能力，能够准确预测来自具有不同宇宙学、天体物理模型、亚网格物理、体积和分辨率的模拟中、处于任意红移且包含任意类型星系的任意类型子晕的总质量，这表明该网络可能找到了一个普适关系。随后，我们使用不同的方法寻找近似网络所发现关系的方程，并推导出新的解析表达式，通过子晕的半径、速度弥散和最大圆周速度来预测其总质量。我们表明在某些区间内，这些解析表达式比神经网络更准确。我们将神经网络发现并由解析方程近似的关系解释为与位力定理相关。
引用
@article{arxiv.2109.04484,
title = {Finding universal relations in subhalo properties with artificial intelligence},
author = {Helen Shao and Francisco Villaescusa-Navarro and Shy Genel and David N. Spergel and Daniel Angles-Alcazar and Lars Hernquist and Romeel Dave and Desika Narayanan and Gabriella Contardo and Mark Vogelsberger},
journal= {arXiv preprint arXiv:2109.04484},
year = {2022}
}
备注
23 pages, 15 figures