論文の概要: Hybrid analytic and machine-learned baryonic property insertion into
galactic dark matter haloes
- arxiv url: http://arxiv.org/abs/2012.05820v1
- Date: Thu, 10 Dec 2020 16:50:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 06:11:05.509102
- Title: Hybrid analytic and machine-learned baryonic property insertion into
galactic dark matter haloes
- Title（参考訳）: 銀河系ダークマターハロースへのハイブリッド分析および機械学習バリオン特性挿入
- Authors: Ben Moews, Romeel Dav\'e, Sourav Mitra, Sultan Hassan, Weiguang Cui
- Abstract要約: バリロンの性質は計算コストがかかる複雑な流体力学シミュレーションを必要とする。
我々は、銀河の恒星、ガス、金属の内容の進化を記述した分析形式である平衡モデルの拡張版を機械学習の枠組みに統合する。
銀河系の暗黒物質ハローをバリオニクス特性を持つN体シミュレーションに投入する高速流体力学シミュレーションエミュレータを作成した。
- 参考スコア（独自算出の注目度）: 1.2599533416395767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While cosmological dark matter-only simulations relying solely on
gravitational effects are comparably fast to compute, baryonic properties in
simulated galaxies require complex hydrodynamic simulations that are
computationally costly to run. We explore the merging of an extended version of
the equilibrium model, an analytic formalism describing the evolution of the
stellar, gas, and metal content of galaxies, into a machine learning framework.
In doing so, we are able to recover more properties than the analytic formalism
alone can provide, creating a high-speed hydrodynamic simulation emulator that
populates galactic dark matter haloes in N-body simulations with baryonic
properties. While there exists a trade-off between the reached accuracy and the
speed advantage this approach offers, our results outperform an approach using
only machine learning for a subset of baryonic properties. We demonstrate that
this novel hybrid system enables the fast completion of dark matter-only
information by mimicking the properties of a full hydrodynamic suite to a
reasonable degree, and discuss the advantages and disadvantages of hybrid
versus machine learning-only frameworks. In doing so, we offer an acceleration
of commonly deployed simulations in cosmology.
- Abstract（参考訳）: 重力効果のみに依存する宇宙論的なダークマターのみのシミュレーションは計算が容易であるが、シミュレーション銀河のバロン特性は計算コストがかかる複雑な流体力学シミュレーションを必要とする。
我々は、銀河の恒星、ガス、金属含有量の進化を記述する解析的形式論である平衡モデルの拡張バージョンを機械学習フレームワークにマージすることを検討する。
これにより、解析形式だけで得られる以上の特性を回復することができ、バリオン特性を持つN体シミュレーションにおいて銀河の暗黒物質ハローを発生させる高速な流体力学シミュレーションエミュレータを作成できる。
到達した精度とこのアプローチがもたらす速度の優位性との間にはトレードオフがあるが、我々の結果は、バリオニクス特性のサブセットに対する機械学習のみを用いたアプローチよりも優れている。
本研究では,このハイブリッドシステムにより,フル流体力学スイートの特性をある程度模倣することで,ダークマターのみの情報の迅速な補完が可能であることを実証し,ハイブリッドと機械学習のみのフレームワークの利点とデメリットについて論じる。
宇宙論において、よくデプロイされるシミュレーションの加速を提供する。
関連論文リスト
- CHARM: Creating Halos with Auto-Regressive Multi-stage networks [1.6987257996124416]
CHARMは、モックハローカタログを作成するための新しい方法である。
モックハローカタログと塗装された銀河カタログは、実空間と赤方偏移空間の両方でN$ボディシミュレーションから得られたのと同じ統計特性を持つことを示す。
論文 参考訳（メタデータ） (2024-09-13T18:00:06Z) - A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-01-26T09:35:17Z) - Rethinking materials simulations: Blending direct numerical simulations
with neural operators [1.6874375111244329]
そこで本研究では,数値解法とニューラル演算子をブレンドしてシミュレーションを高速化する手法を開発した。
物理蒸着中の微細構造変化シミュレーションにおけるこの枠組みの有効性を実証する。
論文 参考訳（メタデータ） (2023-12-08T23:44:54Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - Physics-informed neural networks in the recreation of hydrodynamic
simulations from dark matter [1.786053901581251]
本稿では,バリオン塗布における物理インフォームドニューラルネットワークの最初の応用について述べる。
散乱再生を強制するKullback-Leiblerの発散に基づく時間的予測比較を導入する。
論文 参考訳（メタデータ） (2023-03-24T15:55:09Z) - Trapped-Ion Quantum Simulation of Collective Neutrino Oscillations [55.41644538483948]
量子計算を用いて,Nニュートリノ系のコヒーレントな集団振動を2成分近似でシミュレートする手法について検討した。
第2次トロッタースズキ公式を用いたゲート複雑性は,量子信号処理などの他の分解方法よりも,システムサイズに優れることがわかった。
論文 参考訳（メタデータ） (2022-07-07T09:39:40Z) - Entanglement and correlations in fast collective neutrino flavor
oscillations [68.8204255655161]
集合ニュートリノ振動は、天体物理学的な設定においてレプトンのフレーバーを輸送する上で重要な役割を担っている。
高速振動を呈する単純多角ジオメトリーにおける平衡外フレーバーのフルダイナミクスについて検討した。
我々はこれらの高速集団モードが同じ動的相転移によって生成されることを示す。
論文 参考訳（メタデータ） (2022-03-05T17:00:06Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳（メタデータ） (2021-05-27T18:00:02Z) - Analog quantum simulation of chemical dynamics [0.0]
アナログ量子シミュレータは、ボゾンモードを用いて分子動力学を効率的にシミュレートし、振動を表現できることを示す。
我々の手法は、ボソニック発振器に制御的に結合されたクーディットを持つ任意のデバイスで実装できる。
提案手法は, 近い将来, 古典的かつ難解な化学動力学シミュレーションを可能にすることを期待する。
論文 参考訳（メタデータ） (2020-12-03T11:52:38Z) - Fast and Accurate Non-Linear Predictions of Universes with Deep Learning [21.218297581239664]
我々は、高速線形予測を数値シミュレーションから完全に非線形な予測に変換するV-Netベースのモデルを構築した。
我々のNNモデルはシミュレーションを小さなスケールにエミュレートすることを学び、現在の最先端の近似手法よりも高速かつ高精度である。
論文 参考訳（メタデータ） (2020-12-01T03:30:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。