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。
理論的不確実性は,熱Sunyaev-Zel’dovich(tSZ)効果のようなバリオンフィールドから宇宙情報を抽出する能力を制限する。電子圧力場によってソースされるので,tSZ効果は,通常,高価な流体力学的シミュレーションでモデル化されるバリオン物理学に依存する。重力のみのシミュレーションから銀河クラスタにおける連続電子圧力場を予測するために,IlustrisTNG-300宇宙論的シミュレーションに関するニューラルネットワークを訓練した。モデリングクラスタは,ほとんどのガス圧がボクセルのハンドフルに集中するので,ニューラルネットワークにとって挑戦的であり,また,最大流体力学的シミュレーションは,訓練のために使用できる数百のクラスタだけを含む。従来の畳み込みニューラルネットワーク(CNN)アーキテクチャの代わりに,暗黒物質粒子の集合上で直接作動する回転等変型DeepSetsアーキテクチャを採用した。集合ベースアーキテクチャがCNNsに対して明確な利点を提供すると主張した。例えば,正確な回転と置換等分散を強制し,tSZ場に関する既存の知識を組み込み,宇宙論における標準としてスパース場で作業する。このアーキテクチャを,分離,物理的に意味のあるモジュールで構成し,それを解釈できるようにした。例えば,局所およびクラスタスケール環境の影響を別々に研究することができ,クラスタ3軸性が無視できる影響を持ち,誤中心を補正するモジュールを訓練する。著者らのモデルは,同じシミュレーションデータに適合する解析プロファイルで70%改善した。重力のみのシミュレーションの関数として見た電子圧力場は固有の確率を持ち,ネットワークへの条件付きVAE拡張を通してこの特性をモデル化することを論じた。この修正は,さらに7%の改善をもたらし,しかし,著者らの小さな訓練セットによって制限される。(aブリッジ)。【JST・京大機械翻訳】