Bob的游戏高级研究所/普林斯顿大学早期宇宙/宇宙学午餐讨论

摘要1:即将到来的宇宙学调查将在亚百分比水平上测量星系的大规模分布。为了提取无偏的宇宙学数据，同时保留有价值的小尺度信息，我们需要星系和(暗物质)之间联系的高精度模型。虽然宇宙学流体动力学模拟太小，计算成本太高，不能直接用于分析星系观测，但它们提供了星系-晕联系的详细探测(在一个特定的、合理的星系形成模型的假设下)。我们表明，最简单的星系-晕模型，仅质量的晕占位分布(HOD)，未能捕捉到15%水平的星系集群，这远远超出了当前和未来实验设定的1%的要求。我们开发了增强模型，通过水力模拟再现多个星系分布统计数据。我们开发了一个将这些模型应用于观测数据的管道，并表明在它们最粗略的形式下，它们设法缓解了现有的紧张关系(例如，Lensing是低的)。

摘要2:准确估算星系团的质量对于从星系团中提取宇宙学信息至关重要。在过去，CMB的观测依赖于基于星团综合电子压力的标度关系来估计它们的质量。我将提出一个更准确的估计质量的代理，它结合了SZ和x射线调查的观测数据，并使用称为符号回归的机器学习工具获得。更一般地说，我将展示如何使用机器学习工具来增强传统的天体物理缩放关系，以使它们更加精确。