深度神经网络中宇宙学信息的识别
宇宙学与河外天体物理
2020-12-08 v1
摘要
本文提出一种基于图像估计宇宙学参数的新方法。我们展示了使用卷积神经网络(CNN)约束暗物质粒子质量的方法。为此，我们运行一系列具有不同暗物质粒子质量的 N-body 模拟来训练 CNN，并利用密度对比图估计暗物质质量。该方法是对基于汇总统计量（如两点相关函数）方法的补充。我们将 CNN 分类结果与从暗物质粒子分布的两点相关函数获得的结果比较，发现 CNN 性能更优。此外，我们使用随机高斯模拟生成的图像训练 CNN，并与由 N-body 模拟训练的 CNN 及两点相关函数进行比较。随机高斯训练的 CNN 具有与两点相关函数相当的性能。
引用
@article{arxiv.2012.03778,
title = {Identifying Cosmological Information in a Deep Neural Network},
author = {Koya Murakami and Atsushi J. Nishizawa},
journal= {arXiv preprint arXiv:2012.03778},
year = {2020}
}
备注
9 pages, 4 figures