論文の概要: Galactification: painting galaxies onto dark matter only simulations using a transformer-based model
- arxiv url: http://arxiv.org/abs/2511.08438v1
- Date: Wed, 12 Nov 2025 01:58:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-12 20:17:03.816506
- Title: Galactification: painting galaxies onto dark matter only simulations using a transformer-based model
- Title（参考訳）: 銀河を暗黒物質に塗る:変圧器モデルによるシミュレーションのみ
- Authors: Shivam Pandey, Christopher C. Lovell, Chirag Modi, Benjamin D. Wandelt,
- Abstract要約: 我々は、安価な暗黒物質のみのシミュレーションで条件付けられたモック銀河カタログを高速に生成するフレームワークを開発した。
本稿では、3次元暗黒物質密度と速度場を入力とし、対応する銀河の点雲を出力するマルチモーダル変圧器モデルを提案する。
我々は、トレーニングされたモデルが、様々な銀河要約統計を忠実に再現し、基礎となる宇宙学的および天体物理学的パラメータの変化によってそれらの変動を正しく捉えていることを示した。
- 参考スコア（独自算出の注目度）: 1.0614155147784068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Connecting the formation and evolution of galaxies to the large-scale structure is crucial for interpreting cosmological observations. While hydrodynamical simulations accurately model the correlated properties of galaxies, they are computationally prohibitive to run over volumes that match modern surveys. We address this by developing a framework to rapidly generate mock galaxy catalogs conditioned on inexpensive dark-matter-only simulations. We present a multi-modal, transformer-based model that takes 3D dark matter density and velocity fields as input, and outputs a corresponding point cloud of galaxies with their physical properties. We demonstrate that our trained model faithfully reproduces a variety of galaxy summary statistics and correctly captures their variation with changes in the underlying cosmological and astrophysical parameters, making it the first accelerated forward model to capture all the relevant galaxy properties, their full spatial distribution, and their conditional dependencies in hydrosimulations.
- Abstract（参考訳）: 銀河の形成と進化を大規模構造に結びつけることは、宇宙観測の解釈に不可欠である。
流体力学のシミュレーションは銀河の相関特性を正確にモデル化するが、現代の調査と一致する体積を計算的に超えることは禁じられている。
我々は、安価な暗黒物質のみのシミュレーションで条件付けられた模擬銀河カタログを迅速に生成するフレームワークを開発することで、この問題に対処する。
本稿では、3次元暗黒物質密度と速度場を入力とし、対応する銀河の点雲を物理特性で出力するマルチモーダル変圧器モデルを提案する。
トレーニングされたモデルは、様々な銀河要約統計を忠実に再現し、基礎となる宇宙や天体物理学のパラメータの変化によってそれらの変動を正しく捉え、関連する銀河の性質、その全空間分布、および水理シミュレーションにおける条件依存性を捉える最初の加速された前方モデルとなることを実証した。
関連論文リスト
- From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。
微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
論文 参考訳（メタデータ） (2025-12-01T11:47:49Z) - GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。
さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - 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$ボディシミュレーションから得られたのと同じ統計特性を持つことを示す。
論文 参考訳（メタデータ） (2024-09-13T18:00:06Z) - Latent Intuitive Physics: Learning to Transfer Hidden Physics from A 3D Video [58.043569985784806]
本稿では,物理シミュレーションのための伝達学習フレームワークである潜在直観物理学を紹介する。
単一の3Dビデオから流体の隠れた性質を推測し、新しいシーンで観察された流体をシミュレートすることができる。
我々は,本モデルの有効性を3つの方法で検証する: (i) 学習されたビジュアルワールド物理を用いた新しいシーンシミュレーション, (ii) 観測された流体力学の将来予測, (iii) 教師付き粒子シミュレーション。
論文 参考訳（メタデータ） (2024-06-18T16:37:44Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - Towards solving model bias in cosmic shear forward modeling [2.967246997200238]
弱い重力レンズは、宇宙のせん断と呼ばれる銀河形態のわずかなせん断を発生させる。
楕円度測定の統計に基づくせん断推定の現代の技術は、楕円度が任意の銀河の光のプロファイルに対して適切に定義された量ではないという事実に悩まされている。
生成モデルが銀河形態を捉えるハイブリッド物理・ディープラーニング階層ベイズモデルにより、現実的な銀河上でのせん断の偏りのない推定を復元できることを示す。
論文 参考訳（メタデータ） (2022-10-28T16:23:49Z) - Satellite galaxy abundance dependency on cosmology in Magneticum
simulations [101.18253437732933]
宇宙論的パラメータに基づく衛星量のエミュレータを構築した。
A$ 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) - Hybrid analytic and machine-learned baryonic property insertion into
galactic dark matter haloes [1.2599533416395767]
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。
論文 参考訳（メタデータ） (2020-12-10T16:50:33Z) - 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。