基于群体智能的大尺度结构提取与流形爬取
天体物理仪器与方法
2023-02-15 v1
摘要
星系和星系团在宇宙百万秒差距尺度上的分布遵循一种如今被称为大尺度结构或宇宙网（Cosmic Web）的复杂模式。为了研究该网络的环境，人们已开发出若干技术，能够描述其属性以及星系群的属性随环境的变化。在这项工作中，我们分析了先前提出的框架：宇宙网N体宇宙学模拟数据上的一维恢复、提取与分析流形（1-DREAM）。1-DREAM工具箱由五种机器学习方法组成，旨在天文大数据环境下提取和建模一维结构。我们展示了1-DREAM可用于提取宇宙网中不同密度范围的结构并为其建立概率模型。作为演示，我们构建了一个提取出的纤维状结构的概率模型，并沿该结构移动以测量局部密度和速度等属性。我们还将我们的工具箱与一系列追踪宇宙网的方法进行了比较。我们表明1-DREAM能够将网络分割为不同环境，结果与最先进的方法相当。随后与公开代码DisPerSE进行了详细比较，我们发现1-DREAM对样本量变化具有鲁棒性，使其适用于分析稀疏观测数据，并在低密度区域发现微弱和弥散的流形。
引用
@article{arxiv.2302.03779,
title = {Swarm Intelligence-based Extraction and Manifold Crawling Along the Large-Scale Structure},
author = {Petra Awad and Reynier Peletier and Marco Canducci and Rory Smith and Abolfazl Taghribi and Mohammad Mohammadi and Jihye Shin and Peter Tino and Kerstin Bunte},
journal= {arXiv preprint arXiv:2302.03779},
year = {2023}
}