Constraining the assembly history of galaxies with cosmological simulations and deep learning

Abstract

Las simulaciones cosmológicas hidrodinámicas, como el proyecto IllustrisTNG, desempeñan un papel fundamental en el estudio de la formación y evolución de las galaxias, proporcionándonos un mayor conocimiento sobre el Universo. Sin embargo, obtener información directa a partir de las observaciones puede resultar difícil, ya que las propiedades observacionales no dejan trazas de cómo han evolucionado con el tiempo. Por lo tanto, resulta interesante desarrollar modelos que nos permitan obtener información acerca de la formación de las galaxias a partir de las observaciones. En la actualidad, se están llevando a cabo estudios que combinan Machine Learning con las simulaciones cosmológicas para investigar la historia de fusión de las galaxias. Sin embargo, muchos de estos modelos carecen de la capacidad de generalizar cuando se aplican a datos observacionales reales. El estudio realizado por Angeloudi et al. (2023)[1] aborda precisamente este problema mediante la combinación de simulaciones, como TNG100 e EAGLE, evaluándo cómo las diferencias cosmológicas afectan a la determinación de la fracción de masa ex-situ. Los resultados obtenidos en esta investigación indican que es posible desarrollar modelos robustos y precisos de Machine Learning utilizando mapas de masa estelar en dos dimensiones que incluyan información cinemática. Este avance es significativo, ya que permite cuantificar la contribución de la masa estelar ex-situ en la formación y evolución de las galaxias, la cual se define como aquella aportación de masa debida a una galaxia externa. Con el objetivo de mejorar este modelo y evaluar su capacidad de generalización, se propone mediante el entrenamiento con la simulación TNG100, examinar las predicciones obtenidas de las simulaciones del proyecto "Cosmology and Astrophysics with Machine Learning Simulation" (CAMELS). Este proyecto varía diferentes parámetros astrofísicos y cosmológicos en comparación con la simulación con la que hemos entrenado el modelo. Para hacer este estudio y conseguir la mayor presición posible, previamente analizamos la correlación entre TNG100 y el Modelo Fiducial proveniente de CAMELS, que tiene las mismas condiciones iniciales que el primero pero con una menor resolución. Esto nos llevo a la conclusión de que había que eliminar a la Metalicidad y la Half-Stellar-Mass-Ratio como datos de entrada en el proceso de entramiento debido a su mala correlación con la fracción de ex-situ. Posteriormente, mediante una comprobación visual, se verifica que ambas simulaciones tienen la misma tendencia y que la discrepacia de errores, obtenidos como la diferencia entre el valor real y el predecido, se debe a la diferencia de resolución que tienen cada una. Una vez realizado este paso de comprobación, procedimos a tratar los datos procedentes de CAMELS. Para ello, mostramos gráficamente los errores calculados como se mencionó antes y la diferencia de desviaciones estándar. Comprobamos que para ciertos parámetros, en su mayoría los más extremos, adquieren unos valores muy significativos de estas dos magnitudes estadísticas, en comparación con los otros. Una posible justificación que encontramos fue que en estas simulaciones existe una mala correlación con la fracción de ex-situ, y es por ello por lo que la precisión a la hora de obtener las predicciones no sea muy buena. A pesar de todo, las diferencias obtenidas no son considerablemente grandes, con lo cual se podría afirmar la generalidad del modelo. Por otro lado, se propone utilizar la biblioteca de High-Performance Symbolic Regression (PySR), que permite obtener una expresión analítica para calcular la fracción de ex-situ a partir de los parámetros observacionales. Para ello, desarrollamos un código mediante los comandos que nos ofrece, el cual genera diferentes ecuaciones con distintos niveles de complejidad. Evaluamos la diferencia entre el valor esperado y el obtenido mediante un visualizado de cajas, en el que mostramos los errores que se obtienen según distintos porcentajes de datos, dónde se encuentra la mediana y los valores átipicos. De todas las ecuaciones obtenidas, seleccionamos como candidata la que aporta menos error al cálculo de la fracción de masa ex-situ. Esta expresión matemática es acorde a lo esperado, ya que depende solo de la masa estelar de la galaxia. Esto es justificable, ya que cuánto más masiva son las galaxias, mayor es la probabilidad de que se hayan formado mediante fusiones, contribuyendo a una parte importante de su masa. Posteriormente, comparamos lo obtenido con PySR con las predicciones obtenidas mediante Machine Learning de forma visual a través de un gráfico masa estelar - fracción de ex-situ. Comprobamos que la ecuación no era capaz de representar correctamente la dispersión debido a su forma lineal, a diferencia del modelo. En cuanto al error, con Machine Leaning se obtienen valores más cercanos a los que buscamos que con Symbolic Regression, que a pesar de ello no tiene errores muy significativos. Como conclusión final, encontramos ciertos valores que presentan una mayor diferencia con los esperados de fracción de ex-situ, en comparación con los otros parámetros astrofísicos y cosmológicos. A pesar de ello, estas diferencias no tienen mucho peso, por lo que se puede asegurar la generalidad del modelo. Además, aunque High-Performance Symbolic Regression es una herramienta útil que permite encontrar expresiones sencillas que relacionan diferentes magnitudes, el modelo utilizado mediante Machine Learning es mejor para calcular la fracción de masa ex-situ. Por otro lado, la expresión obtenida a través de Symbolic Regression no presenta errores muy significativos, puediendo proporcionar una primera estimación fácil y sencilla de esta magnitud Como trabajo futuro, se propone estudiar en detalle el por qué de esta falta de correlación con algunas simulaciones, con el fin de conseguir la menor diferencia entre las predicciones y el valor real. Además, se podría combinar Symbolic Regression con este modelo para poder obtener ecuaciones más complejas y con mayor precisión para el cálculo de la fracción de exsitu.