利用拉格朗日深度学习学习有效物理定律以生成宇宙学流体动力学
宇宙学与河外天体物理
2021-04-28 v1 机器学习
摘要
生成模型的目标是学习数据间复杂的关系以创建新的模拟数据,但当前方法在极高维下失效。当真实的数据生成过程基于物理过程时,这些过程施加了对称性和约束,生成模型可通过学习底层物理的有效描述来构建,从而使生成模型能够扩展到极高维。本工作中我们提出拉格朗日深度学习(Lagrangian Deep Learning, LDL)用于此目的,将其应用于学习宇宙学流体动力学模拟的输出。该模型使用描述可观测量的粒子拉格朗日位移层来学习有效物理定律。位移被建模为有效势的梯度,其显式满足平移和旋转不变性。所学习的参数总数仅为 10 量级,它们可视为有效理论参数。我们将 N 体求解器 FastPM 与 LDL 结合,并将其应用于从暗物质到恒星图、气体密度和温度的广泛宇宙学输出。LDL 的计算成本比完整流体动力学模拟低近四个数量级,但在相同分辨率下表现更优。我们仅用从初始条件到最终输出的 10 量级层就实现了这一点,而典型的宇宙学模拟有数千个时间步。这为完全在此框架内分析宇宙学观测开辟了可能性,无需大型暗物质模拟。
引用
@article{arxiv.2010.02926,
title = {Learning effective physical laws for generating cosmological hydrodynamics with Lagrangian Deep Learning},
author = {Biwei Dai and Uros Seljak},
journal= {arXiv preprint arXiv:2010.02926},
year = {2021}
}
备注
10 pages, 6 figures