Revealing the 3D Cosmic Web through Gravitationally Constrained Neural Fields

要約

弱い重力レンズは、主に宇宙の暗黒物質の重力効果によって引き起こされる銀河形状のわずかな歪みです。
私たちの仕事では、2D望遠鏡画像から弱いレンズ信号を反転させて、宇宙の暗い物質分野の3Dマップを再構築しようとしています。
反転は通常、暗黒物質分野の2D投影をもたらしますが、暗黒物質分布の正確な3Dマップは、関心のある構造をローカライズし、宇宙の理論をテストするために不可欠です。
ただし、3Dの反転は大きな課題をもたらします。
第一に、複数の視点に依存する標準の3D再構成とは異なり、この場合、画像は単一の視点からのみ観察されます。
この課題は、ボリューム全体の銀河エミッターがどのようにレンズされているかを観察することにより、部分的に対処できます。
ただし、これは2番目の課題につながります。解除された銀河の形状と正確な位置は不明であり、非常に大きな不確実性でのみ推定できます。
これにより、圧倒的な量のノイズが導入され、レンズ信号が完全にownれそうになります。
以前のアプローチは、ボリュームの構造について強い仮定を課すことでこれに取り組みます。
代わりに、重力に制約のある神経界を使用して、連続物質分布を柔軟にモデル化する方法論を提案します。
分析ごとのアプローチを採用し、完全に微分可能な物理的フォワードモデルを介してニューラルネットワークの重みを最適化して、画像測定に存在するレンズ信号を再現します。
シミュレーションに関する方法を紹介します。これには、今後の望遠鏡調査のデータを模倣する暗黒物質分布の現実的なシミュレーション測定が含まれます。
私たちの結果は、私たちの方法が以前の方法よりも優れているだけでなく、潜在的に驚くべき暗い物質構造を回復することも重要であることを示しています。

要約(オリジナル)

Weak gravitational lensing is the slight distortion of galaxy shapes caused primarily by the gravitational effects of dark matter in the universe. In our work, we seek to invert the weak lensing signal from 2D telescope images to reconstruct a 3D map of the universe’s dark matter field. While inversion typically yields a 2D projection of the dark matter field, accurate 3D maps of the dark matter distribution are essential for localizing structures of interest and testing theories of our universe. However, 3D inversion poses significant challenges. First, unlike standard 3D reconstruction that relies on multiple viewpoints, in this case, images are only observed from a single viewpoint. This challenge can be partially addressed by observing how galaxy emitters throughout the volume are lensed. However, this leads to the second challenge: the shapes and exact locations of unlensed galaxies are unknown, and can only be estimated with a very large degree of uncertainty. This introduces an overwhelming amount of noise which nearly drowns out the lensing signal completely. Previous approaches tackle this by imposing strong assumptions about the structures in the volume. We instead propose a methodology using a gravitationally-constrained neural field to flexibly model the continuous matter distribution. We take an analysis-by-synthesis approach, optimizing the weights of the neural network through a fully differentiable physical forward model to reproduce the lensing signal present in image measurements. We showcase our method on simulations, including realistic simulated measurements of dark matter distributions that mimic data from upcoming telescope surveys. Our results show that our method can not only outperform previous methods, but importantly is also able to recover potentially surprising dark matter structures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google