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） Zbl 1431.83191号 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：nbodykit公司;V网络;CosmoFlow公司;快速PM;GADGET公司;掌中宽带;深水球;亚当 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： 内政部 arXiv公司 OA许可证