使用信息论比较宇宙网络分类器
Comparing cosmic web classifiers using information theory
摘要：
我们引入了一个用于最佳选择分类器的决策方案，该分类器将宇宙网分割为不同的结构类型（空隙、片层、细丝和簇）。我们的框架，基于信息论，占不同类别的可能的应用程序的设计目标：（i）参数推断，（ii）模型选择，（iii）预测新的观测。作为一个例子，我们使用的网络类型在斯隆数字巡天的宇宙学地图，以评估分类T-web，DIVA和ORIGAMI的相对性能：（i）分析宇宙网络的形态，（ii）区分暗能量模型，（iii）预测星系的颜色。我们的研究证实了宇宙网络分析和信息论之间的数据支持的联系，并为下一代星系调查的分析程序的原则设计铺平了道路。我们已经公开了宇宙网络地图、星系目录和这项工作中使用的分析脚本。
英文摘要：
We introduce a decision scheme for optimally choosing a classifier, which segments the cosmic web into different structure types (voids, sheets, filaments, and clusters). Our framework, based on information theory, accounts for the design aims of different classes of possible applications: (i) parameter inference, (ii) model selection, and (iii) prediction of new observations. As an illustration, we use cosmographic maps of web-types in the Sloan Digital Sky Survey to assess the relative performance of the classifiers T-web, DIVA and ORIGAMI for: (i) analyzing the morphology of the cosmic web, (ii) discriminating dark energy models, and (iii) predicting galaxy colors. Our study substantiates a data-supported connection between cosmic web analysis and information theory, and paves the path towards principled design of analysis procedures for the next generation of galaxy surveys. We have made the cosmic web maps, galaxy catalog, and analysis scripts used in this work publicly available.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
