Формирование космологических структур с помощью машинного обучения

Мы обучаем алгоритм машинного обучения воспроизводить формирование космологических структур на основе N-body-симуляций. Алгоритм устанавливает взаимосвязь между начальными условиями и конечными гало тёмной материи без необходимости вводить приближённые модели коллапса гало. Мы получаем представление о физике, определяющей формирование гало, оценивая предсказательную эффективность алгоритма при предоставлении ему различных типов информации о локальном окружении частиц тёмной материи. Алгоритм обучается предсказывать, окажутся ли частицы тёмной материи в гало заданного диапазона масс, на основе сферических сверхплотностей. Мы показываем, что полученные предсказания согласуются с предсказаниями приближений сферического коллапса, таких как расширенная теория Пресса—Шехтера. Дополнительная информация о форме локального гравитационного потенциала не позволяет повысить точность предсказаний коллапса гало; линейное поле плотности содержит достаточно информации, чтобы алгоритм также воспроизводил предсказания эллипсоидального коллапса, основанные на модели Шета—Тормена. Мы исследуем эффективность алгоритма в зависимости от массы гало и радиального положения, а также проводим слепой анализ на независимых реализациях начальных условий, демонстрируя общность полученных результатов.