基于神经网络的星系功率谱模型：快速全形状星系功率谱分析
宇宙学与河外天体物理
2025-04-03 v2
摘要
我们提出一个基于神经网络的星系红移空间功率谱仿真器，能够在保持3σ精度优于0.5%（在ΛCDM中高达k_max=0.25 h^{-1} Mpc，在w0-waCDM中约0.5%）的同时，将星系团簇参数推断加速数个数量级。我们的代理模型仅仿真1-loop微扰理论预测中与星系偏差无关的项，然后这些项与星系偏差项、反项和随机项解析结合，以获得非线性红移空间星系功率谱。这使我们能够避免在仿真器训练中引入任何星系偏差预设，从而更加灵活。此外，我们将红移z∈[0,1.4]纳入训练，进一步避免了重新训练仿真器的需要。我们通过分析模拟DESI在z=0.5和z=0.8的发光红星系以及z=0.8的发射线星系的25个AbacusSummit模拟套件，展示了仿真器在恢复ΛCDM宇宙学参数方面的性能。在所有情况下均获得相似性能，证明了该仿真器对0<z<1.4内任何红移的任何星系样本的可靠性。
引用
@article{arxiv.2403.20093,
title = {Neural Network-based model of galaxy power spectrum: Fast full-shape galaxy power spectrum analysis},
author = {Svyatoslav Trusov and Pauline Zarrouk and Shaun Cole},
journal= {arXiv preprint arXiv:2403.20093},
year = {2025}
}
备注
Accepted version