[論文レビュー] Modeling the galaxy-halo connection with machine learning

Ana María Delgado, Digvijay Wadekar+4 more|arXiv (Cornell University)|Nov 3, 2021

Galaxies: Formation, Evolution, Phenomena被引用数 5

ひとこと要約

本論文は、ハロー質量に加えて、環境の過密度とせん断を含む二次的ハロー特性を組み込むことで、銀河クラスタリング予測を向上させる機械学習強化型ホールオキュパシオンディストリビューション（HOD）モデルを提案する。IllustrisTNGシミュレーションを用いたランダムフォレスト回帰と記号的回帰により、標準的な質量のみのHODモデルに比べてクラスタリング統計で10%の改善が達成され、宇宙論的調査における精度が顕著に向上する。

ABSTRACT

To extract information from the clustering of galaxies on non-linear scales, we need to model the connection between galaxies and halos accurately and in a flexible manner. Standard halo occupation distribution (HOD) models make the assumption that the galaxy occupation in a halo is a function of only its mass, however, in reality, the occupation can depend on various other parameters including halo concentration, assembly history, environment, spin, etc. Using the IllustrisTNG hydrodynamic simulation as our target, we show that machine learning tools can be used to capture this high-dimensional dependence and provide more accurate galaxy occupation models. Specifically, we use a random forest regressor to identify which secondary halo parameters best model the galaxy-halo connection and symbolic regression to augment the standard HOD model with simple equations capturing the dependence on those parameters, namely the local environmental overdensity and shear, at the location of a halo. This not only provides insights into the galaxy-formation relationship but, more importantly, improves the clustering statistics of the modeled galaxies significantly. Our approach demonstrates that machine learning tools can help us better understand and model the galaxy-halo connection, and are therefore useful for galaxy formation and cosmology studies from upcoming galaxy surveys.

研究の動機と目的

• 水素ダイナミクス的シミュレーションにおける銀河-ハロー接続を最も正確にモデル化する質量以外の二次的ハロー特性を同定すること。
• これらの二次的パラメータを機械学習を用いて統合する、柔軟で解釈可能なHODモデルを構築すること。
• シミュレートされた銀河分布とモデル化された銀河分布の乖離を低減することで、銀河クラスタリング予測を改善すること。
• 環境的および構造的ハロー特性が銀河占有をどのように規定するかの統計的有意性を評価すること。
• 近い将来の大型スケール調査に備えて、銀河アセンブリーバイアスをスケーラブルでデータ駆動型のフレームワークとしてモデル化すること。

提案手法

• ハロー質量、濃度、スピン、環境、せん断などのハロー特性を用いてランダムフォレスト回帰器を訓練し、銀河数を予測し、最も影響力のある二次的パラメータを同定する。
• 記号的回帰を適用して、特に環境の過密度とせん断に依存するシンプルで解釈可能な方程式を導出し、標準HODを拡張する。
• 中心銀河と準惑星銀河のハロー特性への依存性が異なるため、別々にモデルを訓練する。
• クラスタリング統計（重み付き相関関数と物質パワースペクトル）を用いて、完全なIllustrisTNGシミュレーションと比較してモデルの性能を評価する。
• 最終的なHODモデルは、質量、局所的環境の過密度、およびせん断を解析的表現に統合し、予測精度を向上させる。
• モデル選択には補正済みアカイケ情報基準（AICc）を用い、追加の物理的パラメータを含むモデルを好む。

実験結果

リサーチクエスチョン

• RQ1 水素ダイナミクス的シミュレーションにおいて、質量以外のどの二次的ハロー特性が銀河占有予測を最も顕著に改善するか？
• RQ2 機械学習は、ハロー特性と銀河数の間の非線形的かつ高次元の依存関係を同定できるか？
• RQ3 環境の過密度とせん断は、異なる質量のハロー内での銀河分布にどのように影響を与えるか？
• RQ4 環境的および構造的パラメータを組み込むことで、質量のみのHODモデルに比べクラスタリング統計がどの程度向上するか？
• RQ5 記号的回帰は、シミュレーションデータから解釈可能で物理的根拠を持つHOD方程式を生成できるか？

主な発見

• ランダムフォレスト回帰器は、中心銀河および準惑星銀河の平均数を高精度に予測し、IllustrisTNGシミュレーションからのHODを高い忠実度で回復した。
• 高質量ハロー内の準惑星銀河は、非一様で密度の高い環境に偏って存在しており、強い環境依存性が示された。
• 低質量ハロー内の中心銀河に対しても、密度が高く非一様な環境に偏る傾向が認められ、非自明なアセンブリーバイアス効果が示唆された。
• 環境の過密度とせん断は、互いに弱く相関しており、ハロー質量とも弱く相関していたため、モデリングに適した独立入力とみなせた。
• HODモデルに環境の過密度とせん断を組み込むことで、z=0.0およびz=0.8における重み付き相関関数およびパワースペクトルの両方で、クラスタリング統計が約10%向上した。
• AICcは、質量のみのHODモデルよりも3パラメータモデル（質量、環境、せん断）を強く支持しており、z=0.0ではΔAICc = 27.2、z=0.8ではΔAICc = 26.6であり、高い統計的有意性が示された。