银河星际质量轮廓的神经去投影
星系天体物理
2025-11-27 v1 宇宙学与河外天体物理
天体物理仪器与方法
摘要
我们提出一种神经方法来对银河进行动力学建模，用可微分的映射取代传统的基于成像的去投影方法。具体而言，我们训练一个神经网络将Nuker轮廓参数翻译为可解析去投影的多高斯展开(Multi Gaussian Expansion)组件，从而在不依赖光学观测的情况下构建物理上真实的星际质量模型。我们将该模型集成到SuperMAGE中，这是一个用于对超大质量黑洞质量进行贝叶斯推断的可微分动力学建模流水线。应用于ALMA数据，我们的方法找到的结果与最先进的模型一致，同时将适用性扩展到尘埃遮蔽和活动银河中，这些银河在光学数据分析方面具有挑战性。
引用
@article{arxiv.2511.20746,
title = {Neural Deprojection of Galaxy Stellar Mass Profiles},
author = {M. J. Yantovski-Barth and Hengyue Zhang and Nolan Smyth and Connor Stone and Martin Bureau and Yashar Hezaveh and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2511.20746},
year = {2025}
}
备注
8 pages, 4 figures, accepted at the Machine Learning and the Physical Sciences Workshop, NeurIPS 2025