用重子作画：利用深度生成模型为N体模拟增补气体
宇宙学与河外天体物理
2019-12-13 v2 天体物理仪器与方法
机器学习
摘要
运行流体动力学模拟以在宇宙学尺度上产生大尺度结构和重子探针(如热Sunyaev-Zeldovich (tSZ)效应)的模拟数据在计算上极具挑战性。我们提议利用深度生成模型的表现力来寻找大尺度气体分布与温度的有效描述。我们在BAHAMAS流体动力学模拟的物质密度与压强切片对上训练了两个深度生成模型，一个变分自编码器和一个生成对抗网络。训练好的模型能够成功地将物质密度映射到相应的气体压强。然后我们将训练好的模型应用于SLICS(一套为弱透镜协方差估计优化的N体模拟)的100条视线，以生成tSZ效应图。发现生成的tSZ图与BAHAMAS的图在统计上一致。最后我们考虑一个特定可观测量，即弱透镜收敛与tSZ效应之间的角交叉功率谱及其方差，发现BAHAMAS与SLICS的预测高度吻合，从而支持将SLICS用于tSZ协方差估计。
引用
@article{arxiv.1903.12173,
title = {Painting with baryons: augmenting N-body simulations with gas using deep generative models},
author = {Tilman Tröster and Cameron Ferguson and Joachim Harnois-Déraps and Ian G. McCarthy},
journal= {arXiv preprint arXiv:1903.12173},
year = {2019}
}
备注
Comments welcome. Code and trained models can be found at https://www.github.com/tilmantroester/baryon_painter. Accepted in MNRAS Letters