論文の概要: Interpretable machine learning of halo gas density profiles: a sensitivity analysis of cosmological hydrodynamical simulations
- arxiv url: http://arxiv.org/abs/2512.09021v2
- Date: Fri, 12 Dec 2025 16:53:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-15 13:50:29.090773
- Title: Interpretable machine learning of halo gas density profiles: a sensitivity analysis of cosmological hydrodynamical simulations
- Title（参考訳）: ハロガス密度プロファイルの解釈可能な機械学習:宇宙流体力学シミュレーションの感度解析
- Authors: Daniele Sorini, Sownak Bose, Mathilda Denison, Romeel Davé,
- Abstract要約: 我々は,中央銀河の全ハロー質量と5つの大域特性から,ハロー内の放射ガス密度分布を予測するランダムフォレストアルゴリズムを開発した。
初めてソボの統計感度解析を全宇宙流体力学シミュレーションに適用し,ハロ中心からの距離関数としてそれぞれの特徴がガス密度に与える影響を定量化した。
このフレームワークは、銀河形成の半解析モデルに容易に組み込んで、異なる流体力学シミュレーションと整合したハロガス密度プロファイルを組み込むことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stellar and AGN-driven feedback processes affect the distribution of gas on a wide range of scales, from within galaxies well into the intergalactic medium. Yet, it remains unclear how feedback, through its connection to key galaxy properties, shapes the radial gas density profile in the host halo. We tackle this question using suites of the EAGLE, IllustrisTNG, and Simba cosmological hydrodynamical simulations, which span a variety of feedback models. We develop a random forest algorithm that predicts the radial gas density profile within haloes from the total halo mass and five global properties of the central galaxy: gas and stellar mass; star formation rate; mass and accretion rate of the central black hole (BH). The algorithm reproduces the simulated gas density profiles with an average accuracy of $\sim$80-90% over the halo mass range $10^{9.5} \, \mathrm{M}_{\odot} < M_{\rm 200c} < 10^{15} \, \mathrm{M}_{\odot}$ and redshift interval $0<z<4$. For the first time, we apply Sobol statistical sensitivity analysis to full cosmological hydrodynamical simulations, quantifying how each feature affects the gas density as a function of distance from the halo centre. Across all simulations and redshifts, the total halo mass and the gas mass of the central galaxy are the most strongly tied to the halo gas distribution, while stellar and BH properties are generally less informative. The exact relative importance of the different features depends on the feedback scenario and redshift. Our framework can be readily embedded in semi-analytic models of galaxy formation to incorporate halo gas density profiles consistent with different hydrodynamical simulations. Our work also provides a proof of concept for constraining feedback models with future observations of galaxy properties and of the surrounding gas distribution.
- Abstract（参考訳）: ステラーとAGNによるフィードバックプロセスは、銀河内部から銀河間物質まで幅広いスケールのガスの分布に影響を与える。
しかし、主要な銀河の性質と結びついたフィードバックが、ホストハローの放射ガス密度プロファイルをどのように形成するかは、まだ不明である。
EAGLE, IllustrisTNG, および, 様々なフィードバックモデルにまたがるシンバ宇宙力学シミュレーションのスイートを用いて, この問題に対処する。
本研究では,中央銀河の全ハロー質量と5つの大域特性から,ハロー内の放射状ガス密度分布を推定するランダムフォレストアルゴリズムを開発した。
このアルゴリズムは、ハロー質量範囲10^{9.5} \, \mathrm{M}_{\odot} < M_{\rm 200c} < 10^{15} \, \mathrm{M}_{\odot}$, \mathrm{M}_{\odot}$, Redshift interval $0<z<4$に対して平均80-90%の平均精度でシミュレーションされたガス密度プロファイルを再現する。
初めてソボの統計感度解析を全宇宙流体力学シミュレーションに適用し,ハロ中心からの距離関数としてそれぞれの特徴がガス密度に与える影響を定量化した。
すべてのシミュレーションと赤方偏移の中で、中央銀河のハロ質量とガス質量はハロガスの分布に最も強く結びついているが、恒星とBHの性質は一般的には情報に乏しい。
異なる機能の正確な重要性は、フィードバックシナリオとリシフトに依存する。
このフレームワークは、銀河形成の半解析モデルに容易に組み込んで、異なる流体力学シミュレーションと整合したハロガス密度プロファイルを組み込むことができる。
我々の研究は、銀河の性質と周囲のガス分布の将来の観測でフィードバックモデルを制約する概念の証明も提供する。
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) - Galactification: painting galaxies onto dark matter only simulations using a transformer-based model [1.0614155147784068]
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。
論文 参考訳（メタデータ） (2025-11-11T16:39:47Z) - Accelerating exoplanet climate modelling: A machine learning approach to complement 3D GCM grid simulations [39.58317527488534]
本研究の目的は,太陽系外惑星の3次元温度と風構造を予測するために機械学習(ML)アルゴリズムが利用できるかどうかを判断することである。
A、F、G、K、M型ホスト星を公転する60個のホットジュピターを持つ新しい3次元GCMグリッドが導入された。
この格子上に高密度ニューラルネットワーク(DNN)と決定木アルゴリズム(XGBoost)をトレーニングし、水平風や垂直風とともに局所的なガス温度を予測する。
論文 参考訳（メタデータ） (2025-08-14T16:50:38Z) - OrbitAll: A Unified Quantum Mechanical Representation Deep Learning Framework for All Molecular Systems [64.69217059173184]
OrbitAllは、幾何学および物理インフォームドディープラーニングフレームワークである。
任意の電荷、スピン、環境効果を持つ任意の分子系を表現し、処理することができる。
競合するAIモデルよりも10倍少ないトレーニングデータを使用して、化学精度を達成し、密度汎関数理論と比較して約103$ - 104$のスピードアップを実現している。
論文 参考訳（メタデータ） (2025-07-05T01:21:56Z) - CHARM: Creating Halos with Auto-Regressive Multi-stage networks [1.6987257996124416]
CHARMは、モックハローカタログを作成するための新しい方法である。
モックハローカタログと塗装された銀河カタログは、実空間と赤方偏移空間の両方でN$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) - How DREAMS are made: Emulating Satellite Galaxy and Subhalo Populations with Diffusion Models and Point Clouds [1.203672395409347]
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。
論文 参考訳（メタデータ） (2024-09-04T18:00:00Z) - Modelling the Track of the GD-1 Stellar Stream Inside a Host with a Fermionic Dark Matter Core-Halo Distribution [0.0]
ハロ生成の最大エントロピー原理をDMハロモデルに応用した。
この研究は、フェルミオンプロファイルが、巨大な中心天体と銀河のDMの両方にとって信頼できるモデルであることを示す。
論文 参考訳（メタデータ） (2024-04-29T20:46:16Z) - Quantum Chaos on Edge [36.136619420474766]
我々は、スパースの近縁物理学と密度のカオス系の近辺の2つの異なるクラスを識別する。
この区別は、系のランダムパラメータの数とヒルベルト空間次元の比にある。
2つの族は、レベル間隔に匹敵するエネルギースケールで同一のスペクトル相関を共有するが、状態の密度とエッジ付近のゆらぎは異なる。
論文 参考訳（メタデータ） (2024-03-20T11:31:51Z) - Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with
Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。
従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文 参考訳（メタデータ） (2022-07-07T17:55:26Z) - 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) - Topological Echoes of Primordial Physics in the Universe at Large Scales [0.0]
暗黒物質のハロゲンのシミュレーションのために持続性図と導出統計を計算する。
私たちのパイプラインは完全なシミュレーションのサブボックスで永続性を計算し、シミュレーションは一様ハロ数にサブサンプルされます。
論文 参考訳（メタデータ） (2020-12-07T12:08:55Z)
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。