Набор данных GIGANTES: прецизионная космология по космическим войдам в эпоху машинного обучения

Мы представляем GIGANTES — наиболее обширный и реалистичный из когда-либо опубликованных комплексов каталогов космических войдов, содержащий более 1 миллиарда космических войдов, охватывающих объём, превышающий объём наблюдаемой Вселенной, более 20 ТБ данных и созданных с использованием алгоритма поиска войдов VIDE на моделированиях гало QUIJOTE. Комплекс GIGANTES, охватывающий тысячи космологических моделей, открывает новые возможности для изучения войдов и позволяет ответить на важные вопросы: несут ли войды уникальную космологическую информацию? Как эта информация коррелирует с информацией о галактиках? Используя большое число войдов в комплексе GIGANTES, мы показываем с помощью оценок Фишера, что войды содержат дополнительную информацию, существенно ужесточающую ограничения на космологические параметры. Мы используем традиционные сводные статистики войдов — функцию распределения войдов по размерам и профиль плотности войдов — а также функцию автокорреляции войдов, которая независимо даёт неопределённость 0,13 эВ для ∑mν в моделировании объёмом 1 h⁻³ Гпк³ без априорных ограничений со стороны космического микроволнового фона. При совместном использовании гало и войдов мы прогнозируем неопределённость 0,09 эВ для того же объёма, что соответствует улучшению на 60% по сравнению с использованием только гало. При экстраполяции на многогигапарсековые обзоры следующего поколения, такие как Dark Energy Spectroscopic Instrument, Euclid, Spectro-Photometer for the History of the Universe and Ices Explorer и Roman Space Telescope, мы ожидаем, что войды обеспечат независимое определение массы нейтрино. Принципиально важно, что GIGANTES является первым комплексом каталогов войдов, специально созданным для интенсивного применения машинного обучения. Мы демонстрируем это, обучая нейронную сеть выполнять вывод без функции правдоподобия по функции распределения войдов по размерам и получая ограничение на Ωm примерно в 20%. Космологические задачи стимулируют разработку новых методов глубокого обучения. Благодаря GIGANTES машинное обучение получает впечатляющий набор данных, содержащий уникальные задачи, которые будут способствовать развитию новых методов.