picasso 气体模型：在纯引力模拟上绘制团簇内气体

我们介绍了 picasso，这是一个旨在基于纯引力模拟中晕的性质来预测团簇内介质热力学性质的模型。该预测结合了将气体性质映射到引力势的解析气体模型，以及基于晕的标量性质（如质量和浓度）预测单个晕模型参数的机器学习模型。一旦训练完成，该模型即可应用于对任意势分布进行预测，从而允许其与灵活的输入（如 N 体粒子分布或径向剖面）配合使用。我们展示了该模型，并使用纯引力模拟与流体动力学模拟对对其进行训练。我们表明，当训练用于学习从纯引力模拟到非辐射流体动力学模拟的映射时，picasso 能够对团簇内气体热力学做出极为准确和精确的预测，在 $r / R_{500c} \in [0.1,1]$ 范围内具有百分比级的偏差和 $\sim 20 \%$ 的散布。在包含亚分辨率物理建模的流体动力学模拟上训练该模型也能产生稳健的预测，尽管会引入依赖于半径的偏差并增加散布。我们进一步表明，该模型可以被训练为仅利用非常少的晕信息（低至质量和浓度）做出准确预测，代价是精度略有降低。picasso 已作为 Python 包在 https://github.com/fkeruzore/picasso 上公开提供，其中包含训练好的模型，可用于在一个完全自动可微且硬件加速的框架中轻松高效地进行预测。