Нейросети научились напрямую измерять слабое гравитационное линзирование
Измерение слабого гравитационного линзирования — ключевой инструмент для изучения распределения тёмной материи и свойств тёмной энергии. Традиционный метод включает несколько этапов: обнаружение галактик, оценку их эллиптичности и последующую калибровку для коррекции шума и искажений. Этот конвейер сложен для статистического моделирования, что затрудняет оценку неопределённостей.
В новой работе на arXiv исследователи предлагают альтернативу — нейронную оценку апостериорного распределения (NPE). Это метод вывода на основе симуляции, при котором глубокая нейросеть обучается на смоделированных многополосных изображениях. На выходе сеть выдаёт вариационное распределение по полю сдвига (shear), выполняя обнаружение галактик, разделение смешанных объектов, измерение и калибровку за один неявный шаг.
После обучения нейросеть автоматически учитывает все особенности симуляций, включая потенциальные источники систематических ошибок. В экспериментах на изображениях с постоянным сдвигом и усложнёнными наблюдательными эффектами NPE показала точные и хорошо откалиброванные апостериорные аппроксимации для обеих компонент сдвига. Это работало даже при наличии смешанных галактик, пространственно меняющейся функции рассеяния точки, звёзд и артефактов детектора.
Результаты демонстрируют, что NPE может стать жизнеспособным методом оценки сдвига в условиях, где все ожидаемые особенности и артефакты можно смоделировать. С повышением реалистичности симуляций в ближайшие десятилетия этот подход станет ещё более применимым. Работа открывает путь к более надёжным измерениям слабого линзирования, что важно для космологических исследований.
