論文の概要: How DREAMS are made: Emulating Satellite Galaxy and Subhalo Populations with Diffusion Models and Point Clouds

• arxiv url: http://arxiv.org/abs/2409.02980v1
• Date: Wed, 4 Sep 2024 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-07 01:16:35.428496
• Title: How DREAMS are made: Emulating Satellite Galaxy and Subhalo Populations with Diffusion Models and Point Clouds
• Title（参考訳）: DREAMSの作成方法:拡散モデルと点雲を用いた衛星銀河・サブハロ人口のエミュレート
• Authors: Tri Nguyen, Francisco Villaescusa-Navarro, Siddharth Mishra-Sharma, Carolina Cuesta-Lazaro, Paul Torrey, Arya Farahi, Alex M. Garcia, Jonah C. Rose, Stephanie O'Neil, Mark Vogelsberger, Xuejian Shen, Cian Roche, Daniel Anglés-Alcázar, Nitya Kallivayalil, Julian B. Muñoz, Francis-Yan Cyr-Racine, Sandip Roy, Lina Necib, Kassidy E. Kollmann,
• Abstract要約: 暗黒物質ハロー上に銀河・サブハロスを描くための変分拡散モデルと変圧器に基づく生成フレームワークNeHODを提案する。 それぞれのハロについて、NeHODは中心銀河と衛星銀河の位置、速度、質量、濃度を予測する。 本モデルでは,シミュレーションパラメータの関数として,サブハロ特性間の複雑な関係を捉える。
• 参考スコア（独自算出の注目度）: 1.203672395409347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The connection between galaxies and their host dark matter (DM) halos is critical to our understanding of cosmology, galaxy formation, and DM physics. To maximize the return of upcoming cosmological surveys, we need an accurate way to model this complex relationship. Many techniques have been developed to model this connection, from Halo Occupation Distribution (HOD) to empirical and semi-analytic models to hydrodynamic. Hydrodynamic simulations can incorporate more detailed astrophysical processes but are computationally expensive; HODs, on the other hand, are computationally cheap but have limited accuracy. In this work, we present NeHOD, a generative framework based on variational diffusion model and Transformer, for painting galaxies/subhalos on top of DM with an accuracy of hydrodynamic simulations but at a computational cost similar to HOD. By modeling galaxies/subhalos as point clouds, instead of binning or voxelization, we can resolve small spatial scales down to the resolution of the simulations. For each halo, NeHOD predicts the positions, velocities, masses, and concentrations of its central and satellite galaxies. We train NeHOD on the TNG-Warm DM suite of the DREAMS project, which consists of 1024 high-resolution zoom-in hydrodynamic simulations of Milky Way-mass halos with varying warm DM mass and astrophysical parameters. We show that our model captures the complex relationships between subhalo properties as a function of the simulation parameters, including the mass functions, stellar-halo mass relations, concentration-mass relations, and spatial clustering. Our method can be used for a large variety of downstream applications, from galaxy clustering to strong lensing studies.
• Abstract（参考訳）: 銀河と宿主の暗黒物質(DM)ハロスの関連は、宇宙論、銀河形成、DM物理学の理解に不可欠である。 今後の宇宙探査の再開を最大化するためには、この複雑な関係をモデル化する正確な方法が必要である。 この接続をモデル化するために、Halo Occupation Distribution (HOD) から経験的および半解析的モデル、流体力学まで、多くの技術が開発されている。 流体力学シミュレーションはより詳細な天体物理過程を組み込むことができるが、計算コストが高い。 本研究では,変分拡散モデルとトランスフォーマーに基づく生成フレームワークであるNeHODについて,流体力学シミュレーションの精度で,HODと類似した計算コストで,DM上に銀河・サブハロスを描く。 銀河・サブハロを点雲としてモデル化することで、双晶やボキセル化の代わりに、シミュレーションの解像度まで小さな空間スケールを解決できる。 それぞれのハロについて、NeHODは中心銀河と衛星銀河の位置、速度、質量、濃度を予測する。 DREAMSプロジェクトのTNG-Warm DMスイート上でNeHODをトレーニングする。 本モデルでは, 質量関数, 恒星-ハロ質量関係, 濃度-質量関係, 空間クラスタリングなど, シミュレーションパラメータの関数として, サブハロ物性間の複雑な関係を捉える。 この手法は、銀河団クラスタリングから強いレンズリング研究まで、様々な下流応用に利用できる。

関連論文リスト

• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• Geometric deep learning for galaxy-halo connection: a case study for galaxy intrinsic alignments [1.2231689895452238]
  我々は、IllustrisTNG-100シミュレーションに基づいて訓練された深部生成モデルを提案し、3次元銀河の形状と方位をサンプリングする。 このモデルは、参照シミュレーションと統計的に一致した銀河方位などの特徴を学習し、予測することができる。
  論文  参考訳（メタデータ） (2024-09-27T13:55:10Z)
• 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$ボディシミュレーションから得られたのと同じ統計特性を持つことを示す。
  論文  参考訳（メタデータ） (2024-09-13T18:00:06Z)
• Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
  本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。 我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
  論文  参考訳（メタデータ） (2023-05-21T03:51:03Z)
• Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
  パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。 本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-18T11:29:49Z)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• Inferring halo masses with Graph Neural Networks [0.5804487044220691]
  我々は、ハローの位置、速度、恒星の質量、銀河の半径を推定するモデルを構築します。 我々は不規則でスパースなデータを扱うように設計されたグラフニューラルネットワーク(GNN)を使用している。 我々のモデルでは、ハロの質量を$sim$0.2 dexの精度で制限することができる。
  論文  参考訳（メタデータ） (2021-11-16T18:37:53Z)
• Satellite galaxy abundance dependency on cosmology in Magneticum simulations [101.18253437732933]
  宇宙論的パラメータに基づく衛星量のエミュレータを構築した。 A$ と $beta$ はたとえ弱いとしても、宇宙的パラメータに依存する。 また、衛星の宇宙論の依存性は、フル物理シミュレーション(FP)、ダークマターシミュレーション(DMO)、非放射性シミュレーション(非放射性シミュレーション)の違いも示している。
  論文  参考訳（メタデータ） (2021-10-11T18:00:02Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)
• Learning effective physical laws for generating cosmological hydrodynamics with Lagrangian Deep Learning [7.6146285961466]
  宇宙力学シミュレーションの出力を学習するために,ラグランジアン深層学習を提案する。 このモデルは、観測可能な粒子を記述したラグランジアン変位の層を用いて、有効な物理法則を学習する。 学習されたパラメータの総数はオーダー10のみであり、有効理論パラメータと見なすことができる。
  論文  参考訳（メタデータ） (2020-10-06T18:00:00Z)

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。