Buchumschlag

From Dark Matter to Galaxies with Convolutional Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yip, Jacky H. T., Zhang, Xinyue, Wang, Yanfang, Zhang, Wei, Sun, Yueqiu, Contardo, Gabriella, Villaescusa-Navarro, Francisco, He, Siyu, Genel, Shy, Ho, Shirley
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Cosmology and Nongalactic Astrophysics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cosmology with One Galaxy: Auto-Encoding the Galaxy Properties Manifold
von: Lue, Amanda, et al.
Veröffentlicht: (2025)

Cosmological and Astrophysical Parameter Inference from Stacked Galaxy Cluster Profiles Using CAMELS-zoomGZ
von: Hernández-Martínez, Elena, et al.
Veröffentlicht: (2024)

On the Significance of Covariance for Constraining Theoretical Models From Galaxy Observables
von: Jo, Yongseok, et al.
Veröffentlicht: (2024)

Towards Robustness Across Cosmological Simulation Models TNG, SIMBA, ASTRID, and EAGLE
von: Jo, Yongseok, et al.
Veröffentlicht: (2025)

Primordial non-Gaussianity -- Fast simulations and persistent summary statistics
von: Calles, Juan, et al.
Veröffentlicht: (2025)

The Impact of Galaxy Formation on Galaxy Biasing, and Implications for Primordial non-Gaussianity Constraints
von: Perez, Lucia A., et al.
Veröffentlicht: (2026)

Cosmology from Point Clouds with Dark Matter Halos from the Quijote Simulations
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2024)

One latent to fit them all: a unified representation of baryonic feedback on matter distribution
von: Lin, Shurui, et al.
Veröffentlicht: (2025)

On the effects of parameters on galaxy properties in CAMELS and the predictability of $Ω_{\rm m}$
von: Contardo, Gabriella, et al.
Veröffentlicht: (2025)

Efficiently emulating distribution functions in gigaparsec volumes for varying cosmological parameters
von: Lovell, Christopher C., et al.
Veröffentlicht: (2026)

Field-level Emulation of Cosmic Structure Formation with Cosmology and Redshift Dependence
von: Jamieson, Drew, et al.
Veröffentlicht: (2024)

The impact of baryons on weak lensing statistics as a function of halo mass and radius
von: Lee, Max E., et al.
Veröffentlicht: (2026)

Cosmology with Persistent Homology: Parameter Inference via Machine Learning
von: Calles, Juan, et al.
Veröffentlicht: (2024)

Boosting HI-Galaxy Cross-Clustering Signal through Higher-Order Cross-Correlations
von: Chand, Eishica, et al.
Veröffentlicht: (2024)

Simple lessons from complex learning: what a neural network model learns about cosmic structure formation
von: Jamieson, Drew, et al.
Veröffentlicht: (2022)

Debiasing with Diffusion: Probabilistic reconstruction of Dark Matter fields from galaxies with CAMELS
von: Ono, Victoria, et al.
Veröffentlicht: (2024)

Constraining Cosmology with Simulation-based inference and Optical Galaxy Cluster Abundance
von: Reza, Moonzarin, et al.
Veröffentlicht: (2024)

The effect of intrinsic alignments on weak lensing statistics in hydrodynamical simulations
von: Lee, Max E., et al.
Veröffentlicht: (2025)

An Observationally Driven Multifield Approach for Probing the Circum-Galactic Medium with Convolutional Neural Networks
von: Gluck, Naomi, et al.
Veröffentlicht: (2023)

Cosmology with Topological Deep Learning
von: Lee, Jun-Young, et al.
Veröffentlicht: (2025)

Correcting for interloper contamination in the power spectrum with neural networks
von: Cagliari, Marina S., et al.
Veröffentlicht: (2025)

Atomic Hydrogen Shows its True Colours: Correlations between HI and Galaxy Colour in Simulations
von: Osinga, Calvin, et al.
Veröffentlicht: (2023)

Zooming by in the CARPoolGP lane: new CAMELS-TNG simulations of zoomed-in massive halos
von: Lee, Max E., et al.
Veröffentlicht: (2024)

A field-level emulator for modeling baryonic effects across hydrodynamic simulations
von: Sharma, Divij, et al.
Veröffentlicht: (2024)

Learning Cosmology from Nearest Neighbour Statistics
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2025)

New Bounds on Fuzzy Dark Matter from Galaxy-Galaxy Strong-Lensing Observations
von: Shevchuk, Tatyana, et al.
Veröffentlicht: (2023)

Mixed Dark Matter and Galaxy Clustering: The Importance of Relative Perturbations
von: Çelik, Şafak, et al.
Veröffentlicht: (2025)

The Inner Dark-Matter Structure of Galaxies
von: Honorato, Vicente, et al.
Veröffentlicht: (2026)

Lost in the FoG: Pitfalls of Models for Large-Scale Hydrogen Distributions
von: Osinga, Calvin, et al.
Veröffentlicht: (2025)

How many simulations do we need for simulation-based inference in cosmology?
von: Bairagi, Anirban, et al.
Veröffentlicht: (2025)

The Impact of Non-Gaussian Primordial Tails on Cosmological Observables
von: Coulton, William R., et al.
Veröffentlicht: (2024)

Interpreting Cosmological Information from Neural Networks in the Hydrodynamic Universe
von: Lahiry, Arnab, et al.
Veröffentlicht: (2025)

MG-NECOLA: Fast Neural Emulators for Modified Gravity Cosmologies
von: Orjuela-Quintana, J. Bayron, et al.
Veröffentlicht: (2025)

Differentiating Warm Dark Matter Models through 21cm Line Intensity Mapping: A Convolutional Neural Network Approach
von: Murakami, Koya, et al.
Veröffentlicht: (2024)

Cosmological multifield emulator
von: Andrianomena, Sambatra, et al.
Veröffentlicht: (2024)

Line of Sight Bias in Dark Matter Inferences from Galaxy Cluster Mergers
von: Wittman, David, et al.
Veröffentlicht: (2024)

Predicting the Subhalo Mass Functions in Simulations from Galaxy Images
von: Filipp, Andreas, et al.
Veröffentlicht: (2025)

Reconstruction of Dark Matter and Baryon Density From Galaxies: A Comparison of Linear, Halo Model and Machine Learning-Based Methods
von: Krywonos, Jordan, et al.
Veröffentlicht: (2025)

Forecasts for Galaxy Formation and Dark Matter Constraints from Dwarf Galaxy Surveys
von: Nadler, Ethan O., et al.
Veröffentlicht: (2024)

Issues in the Investigations of the Dark Matter Phenomenon in Galaxies: Parcere Personis, Dicere de Vitiis
von: Salucci, Paolo
Veröffentlicht: (2025)