抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
宇宙流体力学シミュレーションの銀河-ハロ接続に対して,高次元データにおける複雑な相関を明らかにする強力な方法である機械学習を適用した。銀河とハロー変数の間のマッピングは,完全な情報がない場合に確率的であるが,従来の機械学習モデルは決定論的であり,従って,その固有の散乱を捉えることができない。この限界を克服するために,確率分布を予測するGauss損失関数を持つニューラルネットワークの集合を設計し,その最良適合傾向と同様に銀河-ハロ接続における統計的不確実性をモデル化することを可能にした。著者らは,Horizon-AGNとIlustrisTNG100-1シミュレーションから多くの銀河とハロ変数を抽出し,いくつかの部分集合の知識が他の予測を可能にする範囲を定量化した。これにより,銀河-ハロ接続の重要な特徴を同定し,種々の投影における散乱の起源を調べた。ハロー星質量関係における散乱の50%まで質量を考慮したハロー特性では,恒星半質量半径または全ガス質量の予測は,さらなるハロー特性を加えることによって実質的には改善されないことを見出した。また,これらの結果を用いて,2つのシミュレーションにおける銀河サイズに対する半解析モデルを調べ,ハロサイズまたはスピンに対する銀河サイズに関する仮定は成功しないことを見出した。【JST・京大機械翻訳】