Sep, 2022

低质量暗物质晕中的SZ流量-质量（Y-M）关系：符号回归的改进及对重子反馈的强约束

HTML
PDF
TL;DR本文使用符号回归和随机森林两种机器学习工具对宇宙中半径为 $10^{14} h^{-1}M_⊙$ 以内质量与 热SZ 效应关系 $Y-M$ 进行研究，提出了一个更加自相似的方法，达到了更高的效率; 同时，使用 $Y-M$ 来测量一些参数的值并释放出有助于协同星系和群团的天体物理学关系的信息。
发现论文，激发创造
  • 机器学习揭示晕团质量分布起源的洞见

    使用机器学习框架，分析初始密度扰动通过质量吸积和合并导致黑暗物质晕的质量分布，发现影响最终质量分布的主要因素是初始条件和质量吸积历史。

    May, 2022

  • 暗物质晕的稳健场级推断

    使用图神经网络在Halo目录上进行训练，实现宇宙学参数无似然场水平的推断。该文章表明，其模型在使用多个不同的N-body模拟和代码运作的Halo目录进行测试时非常健壮，同时探讨了使用多种参数会受到精度和健壮性的权衡问题。

    Sep, 2022

  • CAMELS项目：使用新的ASTRID、28参数TNG和SIMBA套件扩展星系形成模型空间

    本文介绍了CAMELS-ASTRID项目中的第三套宇宙学和天体物理学的水动力学模拟以及新的模拟集，以此来为针对宇宙学研究的机器学习算法提供更广泛的训练和测试基础；该项目通过引入新的参数和其它宇宙和物理因素来扩展先前的框架，并仔细调查机器学习模型的行为。

    Apr, 2023

  • 线性物质功率谱的精确符号仿真器

    利用基于遗传编程的符号回归框架来探索能够近似表示功率谱和σ8的潜在数学表达式空间，同时提供物理解释，并提供一个简单的解析逼近式来计算σ8。

    Nov, 2023

  • syren-halofit：ΛCDM非线性物质功率谱的快速、可解释、高精度公式

    用符号回归方法获得$P(k)$的简化解析近似，通过重新优化halofit参数减小了预测误差，加入符号矫正的syren-halofit方法进一步提高了准确性，快速且准确地逼近了$P(k)$。

    Feb, 2024

  • 宇宙学基于似然的推断的未来：加速高维参数估计和模型比较

    我们倡导一种新的宇宙学基于概率的推断范式，利用最近在机器学习及其底层技术中的发展，加速在高维环境中的贝叶斯推断。具体来说，我们结合了（i）模拟——其中训练一个机器学习模型来模仿宇宙观测量，例如CosmoPower-JAX；（ii）可导性和概率编程，例如JAX和NumPyro；（iii）可伸缩的MCMC采样技术，可以利用梯度，例如哈密顿蒙特卡罗；以及（iv）解耦且可伸缩的贝叶斯模型选择技术，纯粹从后验样本计算贝叶斯证据，例如在harmonic中学到的调和均值。这一范式使我们能够在传统方法的一小部分时间内进行完整的贝叶斯分析，包括参数估计和模型选择。首先，我们在37-维和39-维参数空间中，通过模拟的宇宙剪切分析，展示了这种范式的应用，比较了ΛCDM模型和动力学暗能量模型（$w_0w_a$CDM）。我们的结果与传统的嵌套采样方法计算得到的后验轮廓和证据估计非常吻合，而且计算成本从需要48个CPU核心上的8个月时间减少到了使用12个GPU的2天时间。其次，我们考虑了三个模拟的下一代调查的联合分析，每个调查都进行了3x2pt分析，得到了157-维和159-维参数空间。在这种高维环境中，标准的嵌套采样技术根本不可行，需要在48个CPU核心上投入12年的计算时间。而另一方面，我们提出的方法只需要24个GPU的8天计算时间。我们在分析中使用的所有软件包都是公开可用的。

    May, 2024

  • 利用自动微分和神经传输在天体粒子物理中进行快速推断

    应用GPU加速、自动差分和神经网络引导重新参数化等新技术，我们研究了多维参数空间中的天体粒子物理实验结果，并将其性能与传统嵌套采样技术进行了对比，发现这些技术可以加速推理过程，提高模型比较性能。

    May, 2024

  • 一种解离自相互作用暗物质和AGN反馈模型的深度学习算法

    通过机器学习方法，我们展示了一种学习如何区分暗物质自相互作用和星际物理反馈的方法，使用了基于流体动力学模拟的星系团图像进行训练，该算法在识别含有不同类型暗物质的星系团方面的准确率达到80％，为使用Euclid和Chandra预期的数据提供了一种比以往更精确和更快速的分析方法，可以探索前所未有的暗物质参数空间。

    May, 2024

  • 超越标准模型物理的符号回归

    我们使用符号回归作为研究超出标准模型物理的有力工具，提供了一组分析表达式，用理论参数来重现三个感兴趣的低能观测值：希格斯玻色子质量、修正磁动量与矛盾的贡献以及冷暗物质剩余密度。我们使用这些符号表达式进行全局拟合分析，极快地得到参数的后验概率密度，相较于传统方法具有极大的优势。

    May, 2024

  • 如何创建梦想：使用扩散模型和点云模拟卫星星系和子晕群体

    本研究解决了现有卫星星系与其宿主暗物质晕之间关系模型的准确性与计算效率之间的矛盾。提出的NeHOD框架结合了变分扩散模型和Transformer，能够以类似于流体动力学模拟的准确性，低成本生成星系和子晕的分布。研究表明，该模型有效捕捉了子晕特性与模拟参数之间的复杂关系，并可广泛应用于星系聚类和强透镜等研究。

    Sep, 2024