何思玉;李,尹;冯、余;嗨,雪莉;西亚马克·拉文巴赫;陈伟;巴纳巴斯·Póczos 学习预测宇宙结构的形成。 (英语) 兹比尔1431.83191 程序。国家。阿卡德。科学。美国 116,第28号,13825-13832(2019). 小结:物质是在重力的影响下从微小的密度波动中演化而来的。非微扰结构在所有尺度上分层形成,并在宇宙中形成非高斯特征,称为宇宙网。充分理解宇宙的结构形成是现代天体物理学的圣杯之一。天体物理学家调查了大量宇宙,并使用大量计算机模拟与观测数据进行比较,以提取我们自己宇宙的全部信息。然而,要在数十亿年中进化出数十亿个粒子,即使是用最简单的物理方法,也是一项艰巨的任务。我们建立了一个深度神经网络,即深度密度位移模型(deep Density Displacement Model,简称D}^3M),它学习了一组预运行的数值模拟,以基于微扰理论的分析近似Zel'dovich近似(ZA)作为输入,预测宇宙的非线性大尺度结构。我们的广泛分析表明,在预测非线性区域的宇宙结构方面,(mathrm D^3M)优于常用的快速近似模拟方法二阶微扰理论(2LPT)。我们还表明,(mathrm D^3M)能够准确地推断出远超其训练数据的情况,并预测显著不同的宇宙学参数的结构形成。我们的研究证明,深度学习是对宇宙引力结构形成的近似3D模拟的一种实用而准确的替代方法。 引用于5文件 MSC公司: 83个F05 相对论宇宙学 83-08 相对论和引力理论相关问题的计算方法 软件:掌中宽带;亚当;深水球;GADGET公司;快速PM;CosmoFlow公司;V网络;nbodykit公司 PDF格式BibTeX公司 XML格式引用 \textit{S.He}等人,Proc。国家。阿卡德。科学。美国116,第28号,13825--13832(2019;Zbl 1431.83191) 全文: DOI程序 arXiv公司 OA许可证