NECOLA:迈向通用场级宇宙学模拟器

我们训练卷积神经网络在场级修正快速近似 N-body 模拟的输出。我们的模型 Neural Enhanced COLA——NECOLA——以计算高效的 COLA 代码生成的快照为输入,并修正冷暗物质粒子的位置以匹配完整 N-body Quijote 模拟的结果。我们使用若干汇总统计量量化网络的精度,发现 NECOLA 能以亚百分之一精度重现完整 N-body 模拟的结果,直至 $k\simeq1~h{\rm Mpc}^{-1}$。此外,该模型在固定宇宙学参数值的模拟上训练,也能以极高精度修正具有不同 $\Omega_{\rm m}$、$\Omega_{\rm b}$、$h$、$n_s$、$\sigma_8$、$w$ 和 $M_\nu$ 值的 COLA 模拟输出:功率谱和互相关系数在 $k=1~h{\rm Mpc}^{-1}$ 以下均在 $\simeq1\%$ 以内。我们的结果表明,来自快速/近似模拟或场级微扰理论的功率谱修正是相当普适的。我们的模型代表了迈向开发快速场级模拟器的第一步,以采样不仅是原初模式振幅和相位,还有由宇宙学参数值定义的参数空间。