中文

syren-halofit:一种用于 $\Lambda$CDM 非线性物质功率谱的快速、可解释且高精度的公式

宇宙学与河外天体物理 2024-06-24 v2 天体物理仪器与方法 机器学习 神经与进化计算

摘要

作为宇宙学参数和红移函数的非线性物质功率谱 P(k)P(k) 的快速准确评估在宇宙学中至关重要。解析近似提供了可解释的解决方案,但当前的近似方法在速度和准确性上均不如数值模拟器。我们使用符号回归获得了 halofit 模型所需的非线性尺度 kσk_\sigma、有效谱指数 neffn_{\rm eff} 和曲率 CC 的简单解析近似。随后,我们重新优化了 halofit 的系数以拟合广泛的宇宙学和红移范围。我们探索了解析表达式空间以拟合 P(k)P(k) 与 halofit 优化预测之间的残差。我们的结果旨在匹配 EuclidEmulator2 的预测,并针对 NN 体模拟进行了验证。对于红移低于 3 且宇宙学参数范围广泛的情况,我们关于 kσk_\sigmaneffn_{\rm eff}CC 的符号表达式的均方根分数误差分别为 0.8%、0.2% 和 0.3%。重新优化的 halofit 参数将均方根分数误差(相对于 EuclidEmulator2)从 3% 降低到波数 k=9×1039hMpc1k=9\times10^{-3}-9 \, h{\rm Mpc^{-1}} 范围内的 2% 以下。我们引入了 syren-halofit(符号回归增强的 halofit),这是 halofit 的一个扩展,包含一个简短的符号修正,将该误差进一步改善至 1%。我们的方法比当前的 halofit 和 hmcode 实现分别快 2350 倍和 3170 倍,比 EuclidEmulator2(需要运行 class)和 BACCO 模拟器分别快 2680 倍和 64 倍。在 NN 体模拟测试中,我们获得了与 EuclidEmulator2 和 BACCO 相当的精度。我们的工作大大提高了 P(k)P(k) 符号近似的速度和精度,使其在不损失精度的情况下显著快于数值对应方法。

关键词

引用

@article{arxiv.2402.17492,
  title  = {syren-halofit: A fast, interpretable, high-precision formula for the $\Lambda$CDM nonlinear matter power spectrum},
  author = {Deaglan J. Bartlett and Benjamin D. Wandelt and Matteo Zennaro and Pedro G. Ferreira and Harry Desmond},
  journal= {arXiv preprint arXiv:2402.17492},
  year   = {2024}
}

备注

11 pages, 8 figures. Accepted for publication in A&A