基于机器学习的 kSZ 成对速度重构
宇宙学与河外天体物理
2024-06-17 v2
摘要
我们证明，利用在高保真 kSZ 模拟上训练的基于梯度提升算法的机器学习模型，可以直接从 CMB 中印刻的动力学 Sunyaev-Zel'dovich (kSZ) 特征重构星系团的两两本动速度关联。该机器学习模型使用六个至八个直接与 CMB 和大尺度结构巡天可观测量相关的星系团特征进行训练。鉴于存在原初 CMB、探测器噪声以及星系团质量估计和星系团中心位置的潜在不确定性，我们验证了该方法的能力。利用本文开发的技术提取的两两速度统计量，有望借助即将开展的 CMB 巡天（包括 Simons Observatory、CMB-S4 和 CCAT）以及 DESI 和 SDSS 星系巡天的 kSZ 测量，对暗能量、修正引力模型和有质量中微子提供有价值的宇宙学约束。
引用
@article{arxiv.2403.04664,
title = {kSZ Pairwise Velocity Reconstruction with Machine Learning},
author = {Yulin Gong and Rachel Bean},
journal= {arXiv preprint arXiv:2403.04664},
year = {2024}
}
备注
17 pages, 11 figures. Updated to match the published version in PRD