HInet：利用神经网络从暗物质生成中性氢
宇宙学与河外天体物理
2021-07-29 v3
摘要
即将开展的 21cm 巡天将在极大的宇宙学体积上绘制宇宙中性氢（HI）空间分布的图谱。为了最大化这些巡天的科学回报，需要精确的理论预测。流体动力学模拟目前是在中等到非线性尺度上提供此类预测最精确的工具。遗憾的是，其计算成本极高：数千万 CPU 小时。我们利用卷积神经网络寻找 N 体模拟的物质空间分布与最先进流体动力学模拟 IllustrisTNG 的 HI 之间的映射关系。我们的模型在所有统计性质上均优于广泛使用的理论模型：晕占据分布（HOD），直至非线性尺度 h/Mpc。我们的方法能够在极大宇宙学体积上生成具有与流体动力学模拟相似性质的 21cm 模拟样本。
引用
@article{arxiv.2007.10340,
title = {HInet: Generating neutral hydrogen from dark matter with neural networks},
author = {Digvijay Wadekar and Francisco Villaescusa-Navarro and Shirley Ho and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2007.10340},
year = {2021}
}
备注
10+5 pages, 7+3 figures. Added supplementary figures and sections to the Appendix for clarification, conclusions unchanged. Version appearing in ApJ