教暗物质模拟说暗物质晕的语言
宇宙学与河外天体物理
2024-09-18 v1 天体物理仪器与方法
摘要
我们开发了一个基于 Transformer 的条件生成模型,用于离散点对象及其属性。我们利用该模型构建了一个用引力束缚结构(即暗物质晕)填充宇宙学模拟的模型。具体来说,我们用从快速近似模拟中获得的暗物质分布作为条件,来恢复正确的三维位置和单个晕的质量。这产生了第一个能够在小于 3% 的误差范围内恢复小尺度晕统计特性的模型,且使用的是加速的暗物质模拟。这个训练好的模型可以应用于体积大得多的模拟,而这些模拟使用传统方法在计算上是不可行的,同时它也为实现端到端可微的宇宙学模拟提供了关键的一环。该模型名为 GOTHAM(Generative cOnditional Transformer for Halo's Auto-regressive Modeling),其代码公开于 https://github.com/shivampcosmo/GOTHAM。
引用
@article{arxiv.2409.11401,
title = {Teaching dark matter simulations to speak the halo language},
author = {Shivam Pandey and Francois Lanusse and Chirag Modi and Benjamin D. Wandelt},
journal= {arXiv preprint arXiv:2409.11401},
year = {2024}
}
备注
6 pages, 2 figures. Accepted by the Structured Probabilistic Inference & Generative Modeling workshop of ICML 2024