基于深度学习的后发星系团动力学质量

1933 年，Fritz Zwicky 对后发星系团质量的著名研究使他推断出暗物质的存在 \cite{1933AcHPh...6..110Z}。他的基础性发现已被证明是现代宇宙学的基石；我们现在知道此类暗物质占宇宙中物质的 85% 与质能含量的 25%。像后发这样的星系团是暗物质加上高温电离气体与数千个星系构成的庞大复杂系统，并作为暗物质分布的优良探针。然而，经验研究表明，此类系统的总质量仍难以捉摸且难以精确约束。在此，我们基于近年发展的贝叶斯深度学习方法给出后发星系团动力学质量的新估计。利用我们新颖的数据驱动方法，我们预测后发团在距其中心 $1.78 \pm 0.03\ h^{-1}\mathrm{Mpc}$ 半径内的 $\mthc$ 质量为 $10^{15.10 \pm 0.15}\ \hmsun$。我们表明，我们的预测在多个训练数据集上都是严谨的，且与后发团质量的历史估计在统计上一致。该测量强化了我们对后发星系团动力学状态的理解，并推进了机器学习在天文学中经验应用的严谨分析与验证方法。