NERV: Reconstrução aprimorada do universo por rede neural com aplicação às oscilações acústicas bariônicas na amostra BOSS DR12 Galaxy

Apresentamos a primeira aplicação da reconstrução da oscilação acústica bárion baseada em redes neurais para dados reais de levantamento de galáxias, restaurando a assinatura acústica amortecida pelo crescimento não linear da estrutura. {\texttt{NERV}} ({\bf N}rede neural {\bf E}nhanced {\bf R}econstruction of the Uni{\bf V}erse) aumenta a reconstrução padrão com uma rede neural convolucional treinada em simulações de corpos $N$ cúbicos e explica explicitamente o realista.

Apresentamos a primeira aplicação da reconstrução da oscilação acústica bárion baseada em redes neurais (BAO) para dados reais de levantamento de galáxias, restaurando a assinatura acústica amortecida pelo crescimento não linear da estrutura. Tanto indivíduos como organizações que trabalham com arXivLabs abraçaram e aceitaram nossos valores de abertura, comunidade, excelência e privacidade dos dados do usuário.

ArXiv está comprometido com esses valores e só trabalha com parceiros que os aderem. Tem uma ideia de um projeto que agregue valor à comunidade arXiv? .

Saiba mais sobre o arXivLabs. Resumo: Apresentamos a primeira aplicação da reconstrução da oscilação acústica bárion baseada em redes neurais (BAO) para dados reais de levantamento de galáxias, restaurando a assinatura acústica amortecida pelo crescimento não linear da estrutura.

Validamos o método nos catálogos simulados \textsc{MultiDark-Patchy}, recuperando parâmetros de dilatação BAO imparciais. Aplicado à amostra da galáxia BOSS DR12, o NERV melhora significativamente a precisão das medições de distância BAO.

Estes resultados estabelecem a reconstrução neural como um componente prático das análises BAO para pesquisas em andamento, como o DESI, com o potencial de restringir substancialmente as restrições à história da expansão cósmica e à natureza da energia escura.

Fonte