Estimations de masse de clusters multi-longueurs d'onde et apprentissage automatique

RÉSUMÉ Une application émergente des méthodes d'apprentissage automatique est l'inférence des masses de clusters de galaxies. Dans cette note, l'apprentissage automatique est utilisé pour combiner directement cinq mesures simulées multi-longueurs d'onde afin de trouver les masses de clusters. Cela contraste avec la recherche d'estimations de masse pour chaque observable, normalement en utilisant une relation d'échelle, puis en combinant ces estimations de masse basées sur des lois de mise à l'échelle en utilisant une vraisemblance. Nous illustrons également comment les contributions de chaque observable à l'exactitude de la mesure de masse résultante peuvent être comparées via des valeurs de permutation d'importance indépendantes du modèle. Troisièmement, comme l'apprentissage automatique repose sur l'exactitude de l'ensemble d'entraînement pour capturer les observables, leurs corrélations et la fonction de sélection observationnelle, et comme l'ensemble d'entraînement de l'apprentissage automatique provient de simulations, deux tests pour déterminer si les corrélations d'une simulation sont cohérentes avec les observations sont suggérés et explorés également.