[论文解读] The CAMELS project: public data release

Francisco Villaescusa-Navarro, Shy Genel+45 more|arXiv (Cornell University)|Jan 4, 2022

Galaxies: Formation, Evolution, Phenomena被引用 4

一句话总结

CAMELS项目发布了4,233个宇宙学流体动力学模拟、2,049个N体模拟以及2,184个使用两种不同代码（IllustrisTNG和SIMBA）的流体动力学模拟，同时提供了衍生数据产品，如星系、晕和空洞目录、功率谱以及莱曼-α谱。这一全面且公开可用的数据集支持宇宙学与天体物理学中的机器学习应用，助力从星系质量约束到跨领域信息提取的研究。

ABSTRACT

The Cosmology and Astrophysics with MachinE Learning Simulations (CAMELS) project was developed to combine cosmology with astrophysics through thousands of cosmological hydrodynamic simulations and machine learning. CAMELS contains 4,233 cosmological simulations, 2,049 N-body and 2,184 state-of-the-art hydrodynamic simulations that sample a vast volume in parameter space. In this paper we present the CAMELS public data release, describing the characteristics of the CAMELS simulations and a variety of data products generated from them, including halo, subhalo, galaxy, and void catalogues, power spectra, bispectra, Lyman-$α$ spectra, probability distribution functions, halo radial profiles, and X-rays photon lists. We also release over one thousand catalogues that contain billions of galaxies from CAMELS-SAM: a large collection of N-body simulations that have been combined with the Santa Cruz Semi-Analytic Model. We release all the data, comprising more than 350 terabytes and containing 143,922 snapshots, millions of halos, galaxies and summary statistics. We provide further technical details on how to access, download, read, and process the data at \url{https://camels.readthedocs.io}.

研究动机与目标

• 创建一个大规模、公开可访问的宇宙学模拟数据集，覆盖广泛的物理参数空间，以弥合宇宙学与天体物理学之间的鸿沟。
• 通过提供高保真度的流体动力学与N体模拟及一致的元数据和衍生产品，支持机器学习应用。
• 通过Binder、Globus和FlatHUB平台，为社区提供交互式、可扩展且高效的数据显示访问。
• 通过在小体积模拟中实现广泛的参数空间覆盖，弥补现有模拟的局限性。
• 通过完整记录所有数据产品并利用集中在线文档确保长期更新，促进稳健且可复现的研究。

提出的方法

• 使用两种独立代码（IllustrisTNG和SIMBA）模拟4,233个宇宙学流体动力学模拟，每种代码采用不同的亚网格物理模型。
• 生成2,049个N体模拟，作为流体动力学模拟的非辐射对应物，保持初始条件和宇宙学参数一致。
• 生成衍生数据产品，包括子晕和星系目录（通过Subfind和SAM）、功率谱、三重谱、莱曼-α透射谱以及X射线光子列表。
• 创建CAMELS-SAM，即基于数百个N体模拟的1,000多个半经验星系目录，采用圣克鲁兹模型。
• 将数据组织为结构化、版本控制的目录，包含红移特定的输出和元数据，可通过多种平台访问。
• 部署交互式工具，包括基于Jupyter的Binder环境用于探索，以及Globus用于高速数据传输。

实验结果

研究问题

• RQ1 在CAMELS数据上训练的机器学习模型能否准确地从星系和大尺度结构观测中推断宇宙学参数？
• RQ2 神经网络在忽略亚网格物理变化的情况下，能在多大程度上从不同天体物理领域中提取物理信息？
• RQ3 CAMELS模拟中的星系属性在多大程度上重现了观测到的星系质量函数和聚类模式？
• RQ4 CAMELS数据集能否利用人工智能技术约束银河系和仙女座星系的质量？
• RQ5 在参数空间中，不同的流体动力学代码（IllustrisTNG与SIMBA）如何影响星系和晕的统计特性？

主要发现

• CAMELS项目提供了4,233个流体动力学模拟和2,049个N体模拟，覆盖了包含两种不同亚网格物理实现的广阔参数空间。
• 衍生数据产品包括星系、晕和子晕目录、功率谱、三重谱、莱曼-α谱、径向剖面以及X射线光子列表，所有产品均可通过标准化接口访问。
• CAMELS-SAM从N体模拟中生成了超过1,000个半经验星系目录，支持在不同并合树和模型假设之间的比较。
• 该数据集托管于多个平台，包括用于交互式分析的Binder、用于高速传输的Globus，以及用于高效探索Subfind目录的FlatHUB。
• 该项目首次利用模拟可观测数据，基于人工智能技术对银河系和仙女座星系的质量实现约束。
• 在CAMELS数据上训练的神经网络成功地从截然不同的物理场中提取信息，同时在场层面实现了对天体物理不确定性的有效边际化。