MMApr, 2023
基于降维和监督机器学习的宇宙密度场快速仿真
Fast emulation of cosmological density fields based on dimensionality reduction and supervised machine-learning
Miguel Conceição, Alberto Krone-Martins, Antonio da Silva, Ángeles Moliné
TL;DR本文采用简单的机器学习方法,基于降维和监督学习方法建立基于暗物质密度参数的快速暗物质密度场仿真方法,并通过预测和反投影系数来预测不同宇宙学参数的密度立方体。该方法在保证相应精度下,相比于完整的 N 体模拟大幅缩短计算时间,可以显著加速宇宙模型参数和模型推断等工作,为 ESA/NASA Euclid 任务等开放了更广泛的应用空间。