Explaining dark matter halo density profiles with neural networks

要約

私たちは説明可能なニューラル ネットワークを使用して、暗黒物質ハローの進化の歴史とその密度プロファイルを結び付けます。
ネットワークは、低次元表現内の密度プロファイルの独立した変動要因を捕捉し、相互情報を使用して物理的に解釈します。
ハローの進化に関する事前知識がなくても、ネットワークは初期の集合と内部プロファイルの間の既知の関係を回復し、ビリアル半径を超えたプロファイルが最新の質量降着率を捕捉する単一のパラメーターによって記述されることを発見します。
この結果は、複雑な天体物理データセットにおける機械支援による科学的発見の可能性を示しています。

要約(オリジナル)

We use explainable neural networks to connect the evolutionary history of dark matter halos with their density profiles. The network captures independent factors of variation in the density profiles within a low-dimensional representation, which we physically interpret using mutual information. Without any prior knowledge of the halos’ evolution, the network recovers the known relation between the early time assembly and the inner profile, and discovers that the profile beyond the virial radius is described by a single parameter capturing the most recent mass accretion rate. The results illustrate the potential for machine-assisted scientific discovery in complicated astrophysical datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google