محاكي على مستوى الحقل للجاذبية المعدلة

تقدم مسوحات الطاقة المظلمة من المرحلة الرابعة مثل مرصد فيرا سي. روبين و«يود» فرصة فريدة لتسليط الضوء على طبيعة الطاقة المظلمة. ومع ذلك، لا يمكن فتح كامل القدرة التقييدية للبيانات الجديدة ما لم تتوفر توقعات دقيقة على جميع المقاييس القابلة للرصد. حالياً، يتم فهم النظام الخطي فقط بشكل جيد في النماذج خارج نموذج المادة المظلمة الباردة: على المقاييس غير الخطية، تصبح المحاكيات العددية المكلفة ضرورية، مما يجعل استخدامها المباشر غير عملي في تحليل مجموعات البيانات الكبيرة. مؤخراً، أظهرت تقنيات تعلم الآلة إمكانيات لكسر هذه المعضلة: من خلال تدريب المحاكيات، يمكننا إعادة إنتاج حقول بيانات معقدة في جزء من الوقت الذي يستغرقه إنتاجها. في هذا العمل، نقدم محاكي على مستوى الحقل قادر على تحويل محاكاة N-body لنموذج المادة المظلمة الباردة إلى واحدة تتطور تحت تأثير الجاذبية المعدلة f (R). لتحقيق ذلك، نبني على الشبكة العصبية map2map، مستخدمين قوة الجاذبية المعدلة |fₑ䃐| كمعامل نمطي. نجد أن محاكئنا يقدر بشكل صحيح التغييرات التي يحتاج إلى تطبيقها على مواقع وسرعات جسيمات N-body المدخلة لإنتاج المحاكاة المستهدفة. نختبر أداء شبكتنا ضد عدة إحصائيات ملخصة، ونجدا توافقاً بنسبة 1\% في طيف القوة حتى k 1 h/Mpc، وتوافقاً بنسبة 1.5\% ضد محاكي البست المُستقل eMantis. على الرغم من تدريب الخوارزمية على معلمات كونية ثابتة، نجد أنها يمكن أن تستنتج لنماذج لم يتم تدريبها عليها. بالتزامن مع المحاكيات المتاحة على مستوى الحقل وأطقم المحاكاة لنموذج المادة المظلمة الباردة، يمكن استخدام خوارزميتنا لتقييد الجاذبية المعدلة في الهيكل الكبير باستخدام المعلومات الكاملة المتاحة على مستوى الحقل.