训练神经网络生成快速Sunyaev-Zel'dovich图
宇宙学与河外天体物理
2020-10-28 v1
摘要
热Sunyaev-Zel'dovich (tSZ) 效应与运动学Sunyaev-Zel'dovich (kSZ) 效应示踪了高温宇宙中电子压强与动量的分布。这些观测量依赖于丰富的多尺度物理过程，因此，模拟图理想情况下应基于能够捕捉重子反馈效应（如冷却、恒星形成及其他复杂过程）的计算。在本文中，我们训练具有U-Net架构的深度卷积神经网络，以从暗物质的分布映射到分辨率约100 kpc的电子密度、动量与压强。这些网络在TNG300体积与一组来自IllustrisTNG项目的星系团zoom-in模拟的组合上训练。与最先进的半解析模型相比，这些神经网络能够更准确地再现模拟的功率谱、一点概率分布函数、双谱以及交叉相关系数。我们的方法提供了一条以解析计算的速度捕捉星系形成全宇宙学流体动力学模拟之丰富性的途径。
引用
@article{arxiv.2007.07267,
title = {Teaching neural networks to generate Fast Sunyaev Zel'dovich Maps},
author = {Leander Thiele and Francisco Villaescusa-Navarro and David N. Spergel and Dylan Nelson and Annalisa Pillepich},
journal= {arXiv preprint arXiv:2007.07267},
year = {2020}
}
备注
21 pages, 18 figures