星系光谱能量分布建模：引入人工神经网络

星系的光谱能量分布是恒星形成历史以及星系中恒星和气体几何排列的复杂函数。计算恒星辐射通过尘埃分布的辐射转移非常耗时。当处理填充宇宙体积的半解析星系形成模型的预测，并随后与多波段巡天进行比较时，这一方面变得尤其不可接受。主要为此目的，我们在光谱光度与辐射转移代码GRASIL中实现了一种人工神经网络算法，以便在短时间内计算星系的光谱能量分布。这避免了采用可能与模型输出的模拟星系无关的经验模板。ANN已被实现用于计算尘埃发射谱（计算的瓶颈），并分别针对恒星形成分子云和弥散尘埃（由于它们不同的性质和依赖性）。我们定义了有效决定其发射的输入神经元，这意味着该实现具有普遍适用性，并且不依赖于特定的星系形成模型。我们针对盘状和球状几何训练了网络，并测试了其再现盘状和星暴星系SED的性能，以及针对一个球状星系的半解析模型。我们验证了对于该模型，使用ANN近似得到的SED和赫歇尔波段的星系计数几乎与使用完整GRASIL得到的相同量完全重合。我们得出结论，该方法稳健且有利，并将在另一篇论文中介绍其在更复杂SAM中的应用。