宇宙学模拟中星系精细恒星形态与恒星形成活动的关系：一种深度学习视角

星系形成与演化的流体动力学模拟试图完整建模塑造星系的物理过程。模拟星系与真实星系形态之间的一致性，以及形态类型在星系标度关系上的分布方式，是我们对星系形成物理认知的重要探针。在此我们提出一种无监督深度学习方法，对来自 Illustris 与 IllustrisTNG（TNG100 与 TNG50）模拟的星系精细形态结构，针对斯隆数字巡天（Sloan Digital Sky Survey）的一个子样本观测进行严格检验。我们的框架基于 PixelCNN，一种具有显式似然的图像生成自回归模型。我们采用一种策略，将两个 PixelCNN 网络的输出组合为一个度量，从而将星系的精细形态细节与天空背景分离。我们能够定量地辨识 IllustrisTNG、尤其是高分辨率的 TNG50 运行相对于原始 Illustris 的改进。然而，我们发现观测与模拟星系的精细结构细节仍存在差异。这一差异由较小、更呈球状且已淬灭的星系所驱动，它们无论分辨率如何都全局性更不准确，且在所探索的三种模拟之间改善甚微。我们推测，这种在淬灭盘状星系中较轻的不一致，可能源于仍过于粗糙的数值分辨率，难以恰当捕捉淬灭球状星系内部致密区域。