Velocityformer：用于宇宙速度重建的破坏对称性匹配等变图 transformer
宇宙学与河外天体物理
2026-05-21 v1 机器学习
摘要
精确测量运动斯尼亚耶-齐尔达效应（kSZ）——即探测巨型尺度质子物质分布的探针——需要从光谱调查中准确重建星系速度。kSZ 测量的信噪比（SNR）直接随重建速度与真实速度之间的相关系数 而增大。我们引入 Velocityformer，这是一种等变图 transformer 架构，旨在匹配观测数据所特有的对称性。虽然底层物理相对于平移和旋转等变，但观测效应由于沿特定视线方向的破坏对称性。匹配模型的归纳偏置与数据的数据的破坏对称性在所有模型规模和训练体积上均一致提升了性能，Velocityformer 相对于标准线性理论基线提高 高达35%，并在每种数据体积下均优于机器学习基线。通过匹配模型的归纳偏置并以物理为基础的长程解的条件化，Velocityformer 高度数据高效，在仅4个低保真模拟上即可高精度训练，并在输入几何、宇宙参数和星系样本上实现零样本泛化。在高保真模拟星系目录上，这使 相对于物理基线提高30%，直接转化为观测数据上的相同 SNR 增益。
引用
@article{arxiv.2605.21483,
title = {Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction},
author = {Tilman Tröster and David Mirkovic and Veronika Oehl and Arne Thomsen},
journal= {arXiv preprint arXiv:2605.21483},
year = {2026}
}