[論文レビュー] FLAMINGO: Calibrating large cosmological hydrodynamical simulations with machine learning

Roi Kugel, Joop Schaye+18 more|arXiv (Cornell University)|Jun 8, 2023

Galaxies: Formation, Evolution, Phenomena被引用数 7

ひとこと要約

この論文は、Gaussian process emulators を、より小さな FLAMINGO ランの Latin hypercube から訓練して AGN および星形成 feedback のサブグリッドモデルを較正し、サブグリッドパラメータを星質量関数やクラスターガス分率などの観測量と結びつけ、3つの FLAMINGO 解像度に適用する。

ABSTRACT

To fully take advantage of the data provided by large-scale structure surveys, we need to quantify the potential impact of baryonic effects, such as feedback from active galactic nuclei (AGN) and star formation, on cosmological observables. In simulations, feedback processes originate on scales that remain unresolved. Therefore, they need to be sourced via subgrid models that contain free parameters. We use machine learning to calibrate the AGN and stellar feedback models for the FLAMINGO cosmological hydrodynamical simulations. Using Gaussian process emulators trained on Latin hypercubes of 32 smaller-volume simulations, we model how the galaxy stellar mass function and cluster gas fractions change as a function of the subgrid parameters. The emulators are then fit to observational data, allowing for the inclusion of potential observational biases. We apply our method to the three different FLAMINGO resolutions, spanning a factor of 64 in particle mass, recovering the observed relations within the respective resolved mass ranges. We also use the emulators, which link changes in subgrid parameters to changes in observables, to find models that skirt or exceed the observationally allowed range for cluster gas fractions and the stellar mass function. Our method enables us to define model variations in terms of the data that they are calibrated to rather than the values of specific subgrid parameters. This approach is useful, because subgrid parameters are typically not directly linked to particular observables, and predictions for a specific observable are influenced by multiple subgrid parameters.

研究の動機と目的

• 宇宙論的観測量へのバリオニック物理の影響を較正済みサブグリッドモデルを通じて定量化する。
• 手動チューニングを回避し、サブグリッドパラメータの MCMC サンプリングを可能にする emulator ベースの較正を開発する。
• 3 つの FLAMINGO 解像度で手法を適用し、頑健性と予測力を評価する。
• 観測データと不確実性に constrained されたモデル変動の空間を探索する。
• 較正済みシミュレーションからバリオニック効果の上下限を導く枠組みを提供する。

提案手法

• SMF とクラスターガス分率がサブグリッドパラメータとどう変化するかをモデル化するため、32個の小 Volume シミュレーションの Latin hypercube サンプリングを用いて Gaussian process emulators を訓練する。
• Emulator の出力を用いて、統計的・系統的偏りを考慮しつつ観測データに対する MCMC フィットを行う。
• 3 つの解像度にわたって星形成 feedback、BH 増大、AGN フィードバックのサブグリッドパラメータを、物理的考慮に基づく事前分布で較正する。
• Swift コードを、OWLS/BAHAMAS/EAGLE ファミリ由来のサブグリッド処方を適用し、確率的星形成と運動・熱的フィードバックスキームを含めて用いる。
• サブグリッドパラメータの変更が観測量にどう写るかを調べ、観測的に許容される範囲内外のモデル変 variations を特定する。
• データ駆動型で、パラメータ中心の記述よりも観測量中心のモデル変動の記述を提供する。

実験結果

主な発見

• Emulator ベースの方法により、観測バイアスを組み込みつつ SMF およびガス分率に対してサブグリッド物理を適合させることができる。
• このアプローチは、3つの FLAMINGO 解像度すべてで、再現可能な質量範囲内の観測関係を回復する。
• エミュレータは、クラスターのガス分率と SMF の観測的に許容される範囲を回避または超えるモデル変動を示す。
• データで較正された変動を通じてサブグリッドパラメータを解釈できるため、固定パラメータ値より予測力が向上する。
• この枠組みは、解像度を跨いだ較正パラメータ空間を探索することで、バリオニック効果の上下限を提供する。