Redes neuronales para distinguir galaxias reales y simuladas

Miniaturas de galaxias sin formación estelar simuladas (TNG50) y observadas (SDSS). Los paneles derechos muestran las contribuciones de píxeles al índice de probabilidad (LLR) para las galaxias. Ver Zanisi et al. (2021) para más detalles.
Fecha de publicación
Autores
Marc
Huertas-Portocarrero Company
F. Lanusse et al.
Referencias

¿Pueden las redes neuronales distinguir imágenes de galaxias simuladas por ordenador de galaxias observadas? Esta es la pregunta que se ha abordado en este trabajo. Durante años, reproducir la diversidad morfológica de galaxias ha sido un problema para las simulaciones cosmológicas. La nueva generación de simulaciones, como Illustris TNG, son cada vez más realistas. ¿Pero lo suficiente como para engañar a una red neuronal? En este trabajo se muestra que no. Usando modelos generativos profundos no supervisados, se muestra que, pese a que el realismo aumenta muchísimo en la última generación de simulaciones y con el aumento de la resolución, la red neuronal es capaz de darse cuenta que observaciones y simulaciones provienen de distribuciones de probabilidad diferentes. En este trabajo se muestra igualmente, que las galaxias pasivas, aquellas que no forman estrellas, son las que presentan mayores diferencias.