结合卷积和点云架构重建局部密度场
Reconstructing the local density field with combined convolutional and point cloud architecture
AI总结：
本文提出结合卷积和点云架构的神经网络，用于基于暗物质团的异常速度重建局部密度场，提升了小尺度的聚类特征恢复能力。
摘要：
我们构建了一个神经网络，用于根据暗物质团的视线方向异常速度进行回归，以重建局部暗物质密度场。我们的架构结合了卷积U-Net和点云DeepSets。这种结合使网络能够高效利用小尺度信息，并相对于仅使用U-Net的方法提高了重建质量。具体而言，我们的混合网络在小尺度上比U-Net更好地恢复了聚类幅度和相位。
英文摘要：
We construct a neural network to perform regression on the local dark-matter density field given line-of-sight peculiar velocities of dark-matter halos, biased tracers of the dark matter field. Our architecture combines a convolutional U-Net with a point-cloud DeepSets. This combination enables efficient use of small-scale information and improves reconstruction quality relative to a U-Net-only approach. Specifically, our hybrid network recovers both clustering amplitudes and phases better than the U-Net on small scales.
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。
