기계 보조 반 시뮬레이션 모델(MSSM): 고분해능 유체역학적 시뮬레이션에 대한 기계를 훈련시켜 어두운 물질에서 은하 바리온 특성 추정하기

초록 우리는 고해상도 유체역학적 시뮬레이션에 대해 훈련된 기계를 사용하여 DM 전용 시뮬레이션에서 어두운 물질(DM) 헤일로 내 은하의 바리온 특성을 추정하는 파이프라인을 제시합니다. 예를 들어, 우리는 (75 h−1Mpc)³ 볼륨의 IllustrisTNG 유체역학적 시뮬레이션을 사용하여 DM 콘텐츠만으로 순수하게 은하 크기의 헤일로에서 별 질량 및 별 형성률을 예측하는 기계를 훈련시킵니다. 극단적으로 무작위화된 트리(ERT) 알고리즘을 사용하며, 여기서 기계 훈련의 정제된 오류 함수 및 2단계 학습과 같은 여러 가지 새로운 개선 사항을 도입합니다. 이러한 개선 사항에 힘입어, 우리의 모델은 이전 시도에 비해 바리온 특성을 예측하는 정확성이 크게 향상되어 IllustrisTNG의 은하-헤일로 상관관계를 더 잘 모방합니다. 우리의 기계를 대형 (1 h−1Gpc)³ 볼륨의 MultiDark-Planck DM 전용 시뮬레이션에 적용하여, 우리는 기계가 IllustrisTNG에서 발견한 상관관계를 사용하여 DM 헤일로 카탈로그에서 은하 카탈로그를 신속하게 생성하는 파이프라인을 검증합니다. 또한 우리의 은하 카탈로그를 인기 있는 반 분석 모델(SAM)로 생성된 카탈로그와 비교합니다. 이른바 기계 보조 반 시뮬레이션 모델(MSSM)은 SAM과 크게 호환되는 것으로 나타나며, 은하 규모 유체역학 계산의 바리온 물리를 대규모 DM 전용 실행으로 이식하는 유망한 방법이 될 수 있습니다. 우리는 이러한 접근 방식이 수반하는 이점과 이러한 접근 방식의 과학적 잠재력을 높이기 위한 제안을 논의합니다.