論文の概要: ASTROLABE: A 3D Particle-Level Surrogate for Cosmology Simulation with Physical Flow Matching

• arxiv url: http://arxiv.org/abs/2610.27068v1
• Date: Mon, 19 Oct 2026 18:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.148483
• Title: ASTROLABE: A 3D Particle-Level Surrogate for Cosmology Simulation with Physical Flow Matching
• Title（参考訳）: ASTROLABE:物理フローマッチングによる宇宙シミュレーションのための3次元粒子レベルサロゲート
• Abstract要約: Astrolabeはフローマッチングベースの生成エミュレータである。 これはN個の粒子の6N相空間座標に直接作用する。 正確なパワースペクトル、ハロ質量関数、速度プロファイル、ハロ密度プロファイルを持つ現実的な場を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The microphysics of dark matter (DM) is imprinted on cosmological structure across an enormous dynamic range. Nonlinear cosmological observables are most reliably modeled with N-body and hydrodynamic simulations. However, systematic N-body scans over DM theory space are prohibitively expensive. Machine learning emulators provide a possible solution, but are currently limited by either low resolution or only the ability to emulate specific observables. We introduce Astrolabe, a flow-matching-based generative emulator designed to be free of both constraints. Astrolabe acts directly on the 6N phase-space coordinates of N individual particles. With no voxel grid in the output, there is no voxel-resolution ceiling, and in principle any observable can be measured from inference. Astrolabe is computationally tractable via a field-particle hybrid transformer in which every particle cross-attends to multiscale field tokens, so compute and memory are linear in N. Astrolabe incorporates physical flow matching by taking the prior distribution for the flow to be approximate COmoving Lagrangian Acceleration (COLA)-based coordinates rather than unphysical noise, with momentum and mass conservation enforced at all points along flow time. In the Lambda-CDM cases we test, Astrolabe produces realistic fields with accurate power spectra, halo mass functions, velocity profiles, and halo density profiles. We also observe out-of-distribution generalization, with accurate emulation of dark-acoustic oscillation initial conditions. Astrolabe is also capable of being fine-tuned to simulate very large N and we demonstrate this by emulating a TNG50-3-dark simulation at a fraction of the cost. This method represents a first step toward a general and powerful cosmology simulation surrogate, which may eventually permit the inclusion of baryonic physics and a systematic exploration of richer dark sector interactions.
• Abstract（参考訳）: ダークマター(DM)のミクロ物理は、巨大なダイナミックレンジにわたる宇宙構造にインプリントされる。 非線形宇宙観測物は、N体と流体力学シミュレーションで最も確実にモデル化されている。 しかし、DM理論空間上の体系的なN体スキャンは違法に高価である。 機械学習エミュレータは、可能なソリューションを提供するが、現時点では、解像度の低いか、特定のオブザーバブルをエミュレートする機能のみによって制限されている。 本稿では,フローマッチングに基づく生成エミュレータAstrolabeについて紹介する。 アストロラベはN個の粒子の6N相空間座標に直接作用する。 出力にボクセル格子がないため、ボクセル分解能の天井は存在せず、原理的には任意のオブザーバブルを推論から測定することができる。 Astrolabeは、すべての粒子がマルチスケールのフィールドトークンに交差するフィールド粒子ハイブリッドトランスフォーマーを介して計算可能であり、計算とメモリはNで線形である。 テストしたLambda-CDMの場合、アストロラブは正確なパワースペクトル、ハロ質量関数、速度プロファイル、ハロ密度プロファイルを持つ現実的な場を生成する。 また、暗音響発振初期条件の正確なエミュレーションにより、分布外一般化も観察する。 Astrolabeは、非常に大きなNをシミュレートするための微調整も可能であり、TNG50-3-darkシミュレーションをわずかなコストでエミュレートすることでこれを実証する。 この方法は、一般的で強力な宇宙論シミュレーションサロゲートへの第一歩であり、最終的にはバリオニクス物理学とよりリッチなダークセクター相互作用の体系的な探索を許す可能性がある。

関連論文リスト

• Precision quantum simulation of magnon spectra and interactions [94.30337065819249]
  最大97量子ビットのアナログデジタル超伝導プロセッサを用いて, 2次元XYスピン-1/2マグネットにおける線形および非線形応答関数の高精度シミュレーションを行った。 以上の結果から,ブリュアン帯におけるマグノンの崩壊速度の変動が明らかとなり,バンホーブ特異点付近の増大とエッジ局在モードの抑制が認められた。
  論文  参考訳（メタデータ） (2026-07-14T22:11:22Z)
• OnlyDense: Reduced-Order Modeling for Lagrangian simulation [8.41375218692909]
  本稿では,大規模粒子系のスケーラブルな表現と動的モデリングのための学習フレームワークを提案する。 我々は、学習した神経基底関数によって分散された線形部分空間で状態空間を近似する。 提案手法は, R$2$のスコアを0.99ドル以上, 基本関数を32ドル程度で, 正確に再構成し, 予測する。
  論文  参考訳（メタデータ） (2026-06-08T06:02:08Z)
• WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer [107.36949516442782]
  本研究では, 単一トランスアーキテクチャ上に構築された学習型粒子シミュレータを用いて, 布, 弾性体, ニュートン流体, ニュートン流体, 粒状物質, 分子動力学をモデル化する。
  論文  参考訳（メタデータ） (2026-05-14T18:18:12Z)
• Cosmo-FOLD: Fast generation and upscaling of field-level cosmological maps with overlap latent diffusion [1.9116784879310027]
  本稿では,宇宙学および天体物理学の3次元場を高速に生成する新しい手法を提案する。 我々は,TNG300-2ダークマター密度とガス温度場を,体積の1%しか訓練されていないモデルから生成することができる。 これらの結果は、元のシミュレーションコストのごく一部で得られ、1つのGPUで生成される。
  論文  参考訳（メタデータ） (2026-01-20T19:00:04Z)
• 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)
• 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)
• Field Level Neural Network Emulator for Cosmological N-body Simulations [7.051595217991437]
  非線形状態において高精度な宇宙構造形成のためのフィールドレベルエミュレータを構築した。 我々は、2つの畳み込みニューラルネットワークを用いて、N体シミュレーション粒子の非線形変位と速度を出力する。
  論文  参考訳（メタデータ） (2022-06-09T16:21:57Z)
• Predicting the Thermal Sunyaev-Zel'dovich Field using Modular and Equivariant Set-Based Neural Networks [1.7709249262395885]
  我々は、銀河団内の連続電子圧場を予測するために、IllustrisTNG-300宇宙学シミュレーションでニューラルネットワークを訓練する。 我々は、設定したダークマター粒子を直接操作するために、回転型DeepSetsアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2022-02-28T19:00:07Z)
• Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
  量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。 誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
  論文  参考訳（メタデータ） (2020-04-15T05:16:24Z)

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。