基于神经网络的 2MASS 红移测量结果中的密度场和速度场重建

我们利用神经网络（NN）重建了自局部宇宙（距离达到 $200\,h^{-1}\,$ Mpc）的三维物质密度场和异常速度场，数据来源于 Two-Micron All-Sky Redshift Survey（2MRS）。我们采用具有 U-net 自动编码器架构的 NN，并采用加权均方误差损失函数训练，分别输出密度场或速度场。NN 基于来自 Quijote N 体模拟的 mock 数据训练，包含红移空间畸变（RSDs）、星系偏置效应和选择效应，严格模拟 2MRS 的特征。在将 NN 在验证数据集上的表现与标准 Wiener 滤波（WF）进行基准测试后，我们将其应用于 2MRS。NN 重建的密度场和速度场有效地近似于给定观测条件下真实场的平均后验估计。它们在重建精度上一致优于 WF，能够有效捕捉速度与密度之间的非线性关系。NN 重建的整体 survey 区域的整体流，与真实 mock 数据的整体流存在显著相关性，表明 NN 能敏感地捕捉 RSDs 中编码的超尺度尺度信息。应用于 2MRS 时，NN 成功恢复了已知的主要星系团，部分位于视区遮挡 Zone of Avoidance 内。不同半径小于 $100\,h^{-1}\,$ Mpc 的重建整体流，与此前需要额外来自直接观测异常速度推断的外部整体流分量的 2MRS 分析结果良好一致。NN 重建的 Local Group 异常速度与观测到的宇宙微波背景辐射偶极子在幅度和 Galactic 纬度上高度吻合，仅在经度上偏离约 18${}^\circ$。NN 重建的场数据已公开提供。