BACCO模拟项目：基于神经网络的重子化模拟器

我们提出了一个用于非线性物质功率谱中重子效应的神经网络模拟器。我们使用超过50,000次测量值在一个15维参数空间中对该模拟器进行校准，改变了宇宙学和重子物理。重子物理通过一种重子化算法来描述，该算法已被证明能在最先进的流体动力学模拟中准确捕捉功率谱和双谱上的相关效应。宇宙学参数采用包含大质量中微子和动力学暗能量的宇宙学重标度方法进行采样。我们模拟的具体量是含重子与仅引力情形下的物质功率谱之比，我们估计该模拟器在所有尺度0.01 < k < 5 h/Mpc和红移0 < z < 1.5上的总体精度为1-2%。当使用74个不同的宇宙学流体动力学模拟及其各自的仅引力对应模拟测试该模拟器时，我们也获得了1-2%的精度。我们还表明，仅需要一个重子参数，即设定每个晕质量所保留气体分数的Mc，就足以在特定时期对重子反馈做出准确且真实的预测。我们的模拟器将在 http://www.dipc.org/bacco 公开。