인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Simulation-based inference has seen increasing interest in the past few years as a promising approach to modelling the non-linear scales of galaxy clustering. The common approach, using the Gaussian process, is to train an emulator over the cosmological and galaxy–halo connection parameters independently for every scale. We present a new Gaussian process model that allows the user to extend the input parameter space dimensions and to use a non-diagonal noise covariance matrix. We use our new framework to simultaneously emulate every scale of the non-linear clustering of galaxies in redshift space from the A BACUS S UMMIT N -body simulations at redshift z = 0.2. The model includes nine cosmological parameters, five halo occupation distribution (HOD) parameters, and one scale dimension. Accounting for the limited resolution of the simulations, we train our emulator on scales from 0.3 h −1 Mpc to 60 h −1 Mpc and compare its performance with the standard approach of building one independent emulator for each scale. The new model yields more accurate and precise constraints on cosmological parameters compared to the standard approach. As our new model is able to interpolate over the scale space, we are also able to account for the Alcock-Paczynski distortion effect, leading to more accurate constraints on the cosmological parameters.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
