Buchumschlag

Hybrid Physical-Neural Simulator for Fast Cosmological Hydrodynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thomsen, Arne, Tröster, Tilman, Lanusse, François
Format:	Preprint
Veröffentlicht:	2025
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

Velocityformer: Broken-Symmetry-Matched Equivariant Graph Transformers for Cosmological Velocity Reconstruction
von: Tröster, Tilman, et al.
Veröffentlicht: (2026)

Bridging Simulators with Conditional Optimal Transport
von: Zeghal, Justine, et al.
Veröffentlicht: (2025)

The Cosmological analysis of X-ray cluster surveys VII. Bypassing scaling relations with Lagrangian Deep Learning and Simulation-based inference
von: Cerardi, Nicolas, et al.
Veröffentlicht: (2025)

The Non-Gaussian Weak-Lensing Likelihood: A Multivariate Copula Construction and Impact on Cosmological Constraints
von: Oehl, Veronika, et al.
Veröffentlicht: (2026)

Fast Sampling of Cosmological Initial Conditions with Gaussian Neural Posterior Estimation
von: Savchenko, Oleg, et al.
Veröffentlicht: (2025)

Comparing Mass Mapping Reconstruction Methods with Minkowski Functionals
von: Grewal, Nisha, et al.
Veröffentlicht: (2024)

Optimal Neural Summarisation for Full-Field Weak Lensing Cosmological Implicit Inference
von: Lanzieri, Denise, et al.
Veröffentlicht: (2024)

Cosmological Analysis with Calibrated Neural Quantile Estimation and Approximate Simulators
von: Jia, He
Veröffentlicht: (2024)

The exact non-Gaussian weak lensing likelihood: A framework to calculate analytic likelihoods for correlation functions on masked Gaussian random fields
von: Oehl, Veronika, et al.
Veröffentlicht: (2024)

Simulation-Efficient Cosmological Inference with Multi-Fidelity SBI
von: Thiele, Leander, et al.
Veröffentlicht: (2025)

Differentiable Cosmological Simulation with Adjoint Method
von: Li, Yin, et al.
Veröffentlicht: (2022)

An Empirical Model For Intrinsic Alignments: Insights From Cosmological Simulations
von: Van Alfen, Nicholas, et al.
Veröffentlicht: (2023)

Inferring Cosmological Parameters with Evidential Physics-Informed Neural Networks
von: Tan, Hai Siong
Veröffentlicht: (2025)

Neural Networks Optimized by Genetic Algorithms in Cosmology
von: Gómez-Vargas, Isidro, et al.
Veröffentlicht: (2022)

Simulation-Based Inference Benchmark for Weak Lensing Cosmology
von: Zeghal, Justine, et al.
Veröffentlicht: (2024)

Stochastic Super-resolution of Cosmological Simulations with Denoising Diffusion Models
von: Schanz, Andreas, et al.
Veröffentlicht: (2023)

Mean-Field Simulation-Based Inference for Cosmological Initial Conditions
von: Savchenko, Oleg, et al.
Veröffentlicht: (2024)

$\mathtt{emuflow}$: Normalising Flows for Joint Cosmological Analysis
von: Mootoovaloo, Arrykrishna, et al.
Veröffentlicht: (2024)

CosmoFlow: Scale-Aware Representation Learning for Cosmology with Flow Matching
von: Kannan, Sidharth, et al.
Veröffentlicht: (2025)

MadEvolve: Evolutionary Optimization of Cosmological Algorithms with Large Language Models
von: Li, Tianyi, et al.
Veröffentlicht: (2026)

BaryonBridge: Stochastic Interpolant Model for Fast Hydrodynamical Simulations
von: Horowitz, Benjamin, et al.
Veröffentlicht: (2025)

Galaxy Phase-Space and Field-Level Cosmology: The Strength of Semi-Analytic Models
von: de Santi, Natalí S. M., et al.
Veröffentlicht: (2025)

Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets
von: Roncoli, Andrea, et al.
Veröffentlicht: (2023)

Wavelet Flow For Extragalactic Foreground Simulations
von: Mebratu, M., et al.
Veröffentlicht: (2025)

MEGATRON: Reproducing the Diversity of High-Redshift Galaxy Spectra with Cosmological Radiation Hydrodynamics Simulations
von: Katz, Harley, et al.
Veröffentlicht: (2025)

Fast Simulation of Cosmological Neutral Hydrogen based on the Halo Model
von: Hitz, Pascal, et al.
Veröffentlicht: (2024)

Inferring the Hubble Constant Using Simulated Strongly Lensed Supernovae and Neural Network Ensembles
von: Gonçalves, Gonçalo, et al.
Veröffentlicht: (2025)

SPINN: Advancing Cosmological Simulations of Fuzzy Dark Matter with Physics Informed Neural Networks
von: Mishra, Ashutosh Kumar, et al.
Veröffentlicht: (2025)

Detecting Model Misspecification in Cosmology with Scale-Dependent Normalizing Flows
von: Akhmetzhanova, Aizhan, et al.
Veröffentlicht: (2025)

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

From Dark Matter to Galaxies with Convolutional Neural Networks
von: Yip, Jacky H. T., et al.
Veröffentlicht: (2019)

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

Dark Energy Survey Year 3 results: Simulation-based $w$CDM inference from weak lensing and galaxy clustering maps with deep learning: Analysis design
von: Thomsen, A., et al.
Veröffentlicht: (2025)

Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation
von: Xia, Bin, et al.
Veröffentlicht: (2026)

Benchmarking field-level cosmological inference from galaxy redshift surveys
von: Simon, Hugo, et al.
Veröffentlicht: (2025)

CosmoBench: A Multiscale, Multiview, Multitask Cosmology Benchmark for Geometric Deep Learning
von: Huang, Ningyuan, et al.
Veröffentlicht: (2025)

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

Teaching dark matter simulations to speak the halo language
von: Pandey, Shivam, et al.
Veröffentlicht: (2024)

Cosmology with Fast Radio Bursts
von: Glowacki, Marcin, et al.
Veröffentlicht: (2024)

Learning from Topology: Cosmological Parameter Estimation from the Large-scale Structure
von: Yip, Jacky H. T., et al.
Veröffentlicht: (2023)