基于等变图归一化流的星系并合重建
星系天体物理
2022-07-07 v1
摘要
现代天文学中一个关键但尚未解决的问题是，星系如何在 ΛCDM 模型范式下形成和演化。一个关键的限制因素在于缺乏通过统计模型描述并合历史的稳健工具。在这项工作中，我们采用了一个生成式图网络，即 E(n) 等变图归一化流模型。我们证明，通过将前身星系视为一个图，我们的模型能够稳健地恢复它们的分布，包括在红移 z=2 时，以它们在 z=0 时的性质为条件，它们的质量、并合红移和成对距离。该模型的生成性质支持其他下游任务，包括无似然推断、检测异常以及识别前身星系特征的微妙相关性。
引用
@article{arxiv.2207.02786,
title = {Galaxy Merger Reconstruction with Equivariant Graph Normalizing Flows},
author = {Kwok Sun Tang and Yuan-Sen Ting},
journal= {arXiv preprint arXiv:2207.02786},
year = {2022}
}
备注
6 pages, 3 figures, accepted to the ICML 2022 Machine Learning for Astrophysics workshop