使用归一化流生成暗物质次星系人群

强引力透镜是探测暗物质本质的强大工具，因为透镜信号对透镜星系内部暗物质次星系结构具有灵敏度。我们present对两种不同方法生成的暗物质次星系人群的强引力透镜特征进行比较分析。第一种方法使用经验模型对次星系建模，第二种方法采用Galacticus次星系演化的半经验模型。迄今为止，只有经验方法在分析透镜系统时才是实用性的，因为完全物理模型的计算效率不可行。为规克这一困难，我们利用称为归一化流的生成式机器学习算法学习和再现由Galacticus生成的次星系人群。我们展示了归一化流算法在计算时间上显著减少，同时准确再现了Galacticus次星系分布。此外，我们发现Galacticus生成的次星系人群在复制观测到的透镜信号方面，与经验模型的结果相当。该工作凸显了机器学习技术在加速天文模拟和改进暗物质性质模型比较方面的潜力。