ما بعد الكواشف الفردية: الاستدلال باستخدام الشبكة العصبية الالتفافية لملفات كتلة المجرة من خلال دمج حركيات الغاز والنجوم

حققنا في ما إذا كان دمج خرائط الحركة الغازية والنجمية يوفر مزايا قابلة للقياس في استرداد ملفات كتلة المجرات مقارنة باستخدام خرائط مكونة واحدة فقط. استخدمنا نماذج التعلم العميق لاستغلال هذه المعلومات المشتركة. طورنا إطار عمل يعتمد على الشبكة العصبية الالتفافية الاحتمالية (CNN) مدرَّب ومختبر على خرائط حركة المجرات المحاكاة من عدة مجموعات محاكاة كونية. تم تدريب نموذجنا على خرائط السرعة الخاصة بالغاز فقط، النجوم فقط، وخرائط السرعة المدمجة للغاز والنجوم، مما يسمح بالمقارنة المباشرة للأداء بين الكواشف. لتقييم المتانة، شملنا محاكاة بأنواع مختلفة من نماذج الارتجاع وخصائص المجرات. يؤدي دمج الخرائط الغازية والنجمية إلى تقليل التشتت في ملفات الكتلة المستنتجة بما يصل إلى عامل حوالي 1.5 مقارنة بالنماذج التي تستخدم كاشفًا واحدًا فقط. تلتقط بنية CNN بشكل فعال المعلومات التكميلية من المكونين. ومع ذلك، نجد حدودًا في التعميم بين مجموعات المحاكاة مع تراجع في الأداء عند تطبيق النماذج المدربة على مجموعة معينة من المجرات القادمة من مجموعة أخرى.