सुन्याएव–ज़ेल्डोविच आकाशगंगा समूहों की छवियों की अनुकरण करना ऑटोकोडर्स का उपयोग करके

सारांश हम एक मशीन-लर्निंग (एमएल) एल्गोरिदम विकसित करते हैं जो केवल हेलो मैथ और मैस एक्सक्रेशन रेट (एमएआर) दिए जाने पर नए आकाशगंगा समूहों के लिए उच्च-रिज़ॉल्यूशन थर्मल सुन्याएव–ज़ेल्डोविच (एसजेड) मानचित्र उत्पन्न करता है। यह एल्गोरिदम एक कंडीशनल वैरिएशनल ऑटोएन्कोडर (सीवीएई) का उपयोग करता है जो एक कॉन्वोल्यूशनल न्यूरल नेटवर्क के रूप में है और इसे इल्लस्ट्रिसटीएनजी सिमुलेशन से उत्पन्न एसजेड मानचित्रों के साथ प्रशिक्षित किया जाता है। हमारी विधि आकाशगंगा समूहों के उन कई विवरणों को पुन: उत्पन्न कर सकती है जो विश्लेषणात्मक मॉडल आमतौर पर कम रखते हैं, जैसे आंतरिक संरचना और गैस का अस्फेरिकल वितरण जो विलय से उत्पन्न होता है, जबकि समान कम्प्यूटेशनल संभाव्यता प्राप्त करते हुए, हमें 30 सेकंड में एक लैपटॉप पर 105 से अधिक समूहों के लिए मॉक एसजेड मानचित्र उत्पन्न करने की अनुमति देती है। हम दिखाते हैं कि यह मॉडल नए समूहों (यानी, जो प्रशिक्षण सेट में नहीं है) उत्पन्न करने में सक्षम है और यह एसजेड छवियों पर मैस और एमएआर के प्रभावों को सटीकता से पुन: उत्पन्न करता है, जैसे कि बिखराव, असमmetry और एकाग्रता, विलय करने वाले उप-समूहों का मॉडलिंग करने के अलावा। यह काम भविष्य के एसजेड सर्वेक्षणों से सांख्यिकीय सीमाएँ हासिल करने के लिए आवश्यक वास्तविक, उच्च-रिज़ॉल्यूशन मानचित्रों की संख्या उत्पन्न करने के लिए एमएल-आधारित विधियों की संभावना को दर्शाता है।