未来宇宙学数据的最优机器驱动获取
宇宙学与河外天体物理
2022-01-26 v2 星系天体物理
天体物理仪器与方法
摘要
我们给出根据由Fisher信息量化的信息增益潜力对天区进行分类的图。这些图可指导通过有针对性的宇宙学搜寻来最优获取相关物理信息。具体而言，我们计算观测宇宙结构对宇宙学模型微扰响应的变化，并绘制它们各自对Fisher信息的贡献。我们的物理前向建模机制超越了基于统计摘要的当代分析的局限，从而对单个3D结构给出详细刻画。我们使用星系计数数据演示了这一点，并通过研究Coma团的信息增益展示了我们方法的潜力。我们发现，在细丝和星系团核心附近、质量吸积由引力坍落产生的区域，对我们宇宙结构形成的物理模型最具信息量。因此，在这些区域收集数据对于检验我们的模型预测最为最优。本工作呈现的结果是此类中的首次，并阐明了宇宙学信息在宇宙中的非均匀分布。该研究为在主动学习框架内利用新宇宙学数据集逐步精炼搜索策略、开展高效有针对性的宇宙基本物理搜寻铺平了新道路。
引用
@article{arxiv.2107.00657,
title = {Optimal machine-driven acquisition of future cosmological data},
author = {Andrija Kostić and Jens Jasche and Doogesh Kodi Ramanah and Guilhem Lavaux},
journal= {arXiv preprint arXiv:2107.00657},
year = {2022}
}
备注
6 + 3 pages, 5 figures. Accepted to A&A Letters