面向下一代宇宙学分析的十维神经网络模拟器

我们提出 GokuNEmu, 一个用于非线性物质功率谱的十维神经网络模拟器, 以支持下一代宇宙学分析. 基于 Goku $N$ 体模拟套件和 T2N-MusE 模拟框架构建, GokuNEmu 在红移 $0 \leq z \leq 3$ 及尺度 $0.006 \leq k/(h\,\mathrm{Mpc}^{-1}) \leq 10$ 处以约 $0.5\%$ 的平均精度预测物质功率谱. 模拟器建模的 10D 参数空间超越 $\Lambda$CDM, 包括动力学暗能量 (由 $w_0$ 和 $w_a$ 表征), 巨量中子 ($\sum m_\nu$), 中子有效数 ($N_\text{eff}$) 以及谱指数的运行 ($\alpha_\text{s}$). 其广泛的参数覆盖尤其针对扩展部分, 使其成为唯一能够测试最新动力学暗能量约束的 DESI 所需的物质功率谱模拟器. 此外, 它仅需约 $2$ 毫秒即可在笔记本电脑上预测单个宇宙, 速度远快于现有模拟器. 这些特性使 GokuNEmu 成为解读未来探测器如 LSST、Euclid、罗马太空望远镜和 CSST 数据的强大工具.