星系暗物质晕中重子性质的解析与机器学习混合插入方法

虽然仅依赖引力效应的宇宙学暗物质模拟计算相对较快，但模拟星系中的重子性质需要复杂的流体动力学模拟，其计算成本高昂。我们探索将平衡模型的扩展版本（一种描述星系恒星、气体和金属含量演化的解析形式体系）并入机器学习框架。由此，我们能够恢复比单独解析形式体系更多的性质，创建一个高速流体动力学模拟仿真器，用重子性质填充N体模拟中的星系暗物质晕。尽管该方法在达到的精度与速度优势之间存在权衡，但我们的结果在部分重子性质上优于仅使用机器学习的方法。我们证明，这一新型混合系统能够通过以合理程度模仿完整流体动力学套件的性质来快速补全暗物质-only信息，并讨论了混合框架与仅机器学习框架的优缺点。由此，我们为宇宙学中常用模拟提供了加速。