nuGAN：用于含中微子宇宙网的生成对抗模拟器

理解中微子质量对宇宙演化的影响是现代宇宙学的一个关键方面。由于中微子具有很大的自由流动长度，它们在非线性尺度上显著影响宇宙结构的形成。为了最大化从当前和未来星系巡天中获取的信息量，生成精确的结构形成理论预测至关重要。实现这一目标的一种方法是运行大规模的宇宙学数值模拟，这是一个计算密集型过程。在本研究中，我们提出了一种基于深度学习的生成对抗网络（GAN）模型，用于模拟不同中微子质量下的宇宙。我们名为 νGAN（中微子 GAN）的模型能够为从 0.0 eV 到 0.4 eV 范围内的多种中微子质量生成二维宇宙网。生成的图像表现出统计独立性，与训练数据缺乏相关性，并且非常接近真实图像中的物质分布。我们通过视觉以及宇宙学和计算机视觉分析中使用的关键统计数据来评估我们结果的准确性。我们的结果表明，νGAN 生成的样本在 k=0.01 到 k=0.5 h/Mpc 之间的功率谱上误差在 5% 以内。尽管此精度覆盖了轻度非线性尺度，与其他工作和观测结果一致，但在完全非线性尺度上实现更高精度需要更复杂的模型，例如扩散模型。尽管如此，我们的工作为构建模拟器以生成快速且大规模的中微子模拟开辟了新途径，可能彻底改变宇宙学预测和分析。这项工作作为概念验证，为未来使用更高分辨率的 3D 数据和先进的生成模型进行扩展铺平了道路。