研究人员开发了一种结合了图神经网络和矩神经网络的方法，仅利用星系位置和径向速度就能以约10%的精度估算宇宙学参数，特别是 $\Omega_{\rm m}$。该机器学习模型在 L-Galaxies 半解析模型的数据上进行了训练，并在外推到 GAEA 和 SC-SAM 等其他半解析模型以及 Astrid 和 IllustrisTNG 等流体动力学模拟时表现出鲁棒性。研究表明，半解析模型相空间内的物理关系在很大程度上独立于特定的物理处理方法，这凸显了它们在生成用于宇宙学参数推断的逼真模拟目录方面的效用。 AI
影响 这项研究展示了机器学习在天体物理学中的一项新颖应用，有望加速宇宙学参数推断。
排序理由 该集群是关于一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
