TensorFlow流体动力学分析用于Ly-α模拟
TensorFlow Hydrodynamics Analysis for Ly-$α$ Simulations
AI总结：
THALAS利用TensorFlow实现可微流体动力学分析，用于Ly-α模拟中的光学深度场映射与暗物质密度场重建。
摘要：
我们介绍了Python程序THALAS（TensorFlow流体动力学分析用于Lyman-Alpha模拟），该程序将物质场（物质密度、温度和速度）映射到Lyα光学深度场，既在现实空间又在红移空间。与之前的Lyα代码不同，THALAS是完全可微的，使广泛的应用成为可能，用于一般流体动力学模拟和宇宙推断的分析。为了展示THALAS的能力，我们将其应用于Lyα森林反演问题：给定一个Lyα光学深度场，我们重建对应的现实空间暗物质密度场。此类应用与Lyman Alpha森林数据的宇宙学和三维光谱分析相关。
英文摘要：
We introduce the Python program THALAS (TensorFlow Hydrodynamics Analysis for Lyman-Alpha Simulations), which maps baryon fields (baryon density, temperature, and velocity) to Ly$α$ optical depth fields in both real space and redshift space. Unlike previous Ly$α$ codes, THALAS is fully differentiable, enabling a wide variety of potential applications for general analysis of hydrodynamical simulations and cosmological inference. To demonstrate THALAS's capabilities, we apply it to the Ly$α$ forest inversion problem: given a Ly$α$ optical depth field, we reconstruct the corresponding real-space dark matter density field. Such applications are relevant to both cosmological and three-dimensional tomographic analyses of Lyman Alpha forest data.
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。
