GANSky -- 使用生成对抗网络进行快速曲线天 Weak 暴露模拟

从下一次强度镜面survey中提取非高斯信息将需要快速且准确的全天weak lensing模拟。实际中实现这一目标困难：射线追踪 $N$-body 模拟计算昂贵，近似模拟方法（如 lognormal 模拟）不够准确。本文介绍 GANSky，一种可解释的机器学习方法，使用生成对抗网络（GAN）生成快速且准确的全天tomographic弱暴露图。我们的GAN的输入是大约描述宇宙晚期收敛场的lognormal图。从这些lognormal图开始，我们使用GAN学习如何在局部重新分配质量，以实现模拟质量图。这可以通过极小的网络（约 $10^3$ 个参数）实现。我们通过计算在模拟图和GANSky图中多个摘要统计量来验证GAN图。我们表明GANSky图正确地再现了几个统计量的均值和 $\chi^2$ 分布，具体包括：2 点函数、1 点 PDF、峰值和空洞计数，以及等腰、折叠和压缩双谱。这些成功使得GANSky成为计算这些统计量协方差的吸引力工具。除了对快速生成大量人工数据集有用之外，我们的方法还可用于从弱暴露数据中提取场水平或基于模拟的推断。