HALOS：用于过密度搜索的分层聚合学习方法

《Astronomy and Computing》：HALOS: Hierarchical Aggregation Learning for Overdensity Search

子星系识别中提出基于深度学习的HALOS方法，通过多阶段流程实现高效分类与聚类，准确率达95%，计算效率提升16倍，并与SUBFIND算法进行对比验证。

　　

Fabio Spampinato|Vincenzo Del Zoppo|Giuseppe Puglisi|Alessio Mezzina|Marco Cataldo|Jean Marc Christille|Matteo Calabrese|Luca Naso|Carmelita Carbone

Koexai S.r.l., Via Josemaria Escrivà 6, 95125, Catania, Italy

摘要

在宇宙学模拟中识别受引力束缚的子结构（亚晕）是理解星系形成和演化的基础。传统的算法虽然准确，但通常计算量大，这成为分析下一代宇宙学模拟的显著瓶颈，并限制了实时处理的可行性。在这项工作中，我们引入了HALOS（用于过密度搜索的分层聚合学习），这是一种用于3D点云中亚晕识别的新型深度学习流程。我们的方法采用多阶段方法，将粒子分类与实例分割分开。首先，我们为每个粒子设计了一组基于物理特性的特征。其次，多层感知器同时执行两项任务：(i) 语义分割，将粒子分类为属于亚晕或未受束缚的背景；(ii) 回归，预测每个受束缚粒子的父亚晕的3D坐标。最后，HDBSCAN（基于密度的层次空间聚类算法）仅在预过滤的受束缚粒子集上执行聚类，显著降低了计算复杂度。我们使用SUBFIND算法从宇宙学N体模拟生成的目录来训练和验证我们的模型。HALOS实现了95%的语义分类准确率，90%的实例分割调整后的Rand指数，以及90%的总体完整性，与SUBFIND的结果非常接近，同时将计算时间减少了约16倍。

引言

宇宙学N体和流体动力学模拟已成为研究从大尺度宇宙网络到单个星系的形成和演化的不可或缺的工具。从这些模拟中提取科学价值信息的一个基本步骤是识别受引力束缚的暗物质晕及其内部子结构（即亚晕），在真实宇宙中，这些亚晕包含星系。为此任务设计的算法（称为亚晕查找器）对于将理论模型与观测数据联系起来至关重要。标准实践中，经典的亚晕查找器包括SUBFIND（Springel等人，2001年）和基于K空间拓扑自适应细化的稳健过密度计算（ROCKSTAR）（Behroozi等人，2012年）。这些方法通常依赖于识别局部过密度，然后通过迭代解绑过程去除那些不受引力束缚的粒子。尽管这些算法稳健且被广泛使用，但由于逐粒子操作（邻居搜索和迭代解绑），它们的计算成本很高且扩展性有限。随着模拟规模和分辨率的提高，这种开销成为一个重大挑战，常常使得在模拟运行期间进行频繁的“实时”分析变得不切实际。其他著名的算法包括VELOCIraptor（Elahi等人，2019年），它采用6D相空间朋友搜索方法；AMIGA晕查找器（Knollmann和Knebe，2009年），它使用自适应网格细化来识别密度峰值；以及分层边界追踪（Han等人，2017年），它通过时间上的跨快照追踪来解析密集环境中的亚晕。尽管这些不同的方法可能会对子结构有不同的定义，尤其是在晕的内部区域，但正如（Forouhar Moreno等人，2025年）等广泛比较研究所强调的，像SUBFIND这样的配置空间查找器在仅包含暗物质的模拟中表现相当好（优于ROCKSTAR但低于VELOCIraptor和HBT-HERONS），在流体模拟中表现也非常出色，排名第二。因此，SUBFIND仍然是许多传统和下一代模拟套件的参考算法，在这项工作中，我们明确采用SUBFIND目录作为我们的真实基准，提供了一个稳健且广泛标准化的基线。

近年来，机器学习（ML），特别是深度学习（DL），已成为加速分析和处理大型复杂科学数据集的标准工具。特别是卷积神经网络（CNNs）和图神经网络（GNNs）（Scarselli等人，2009年）非常适合分析来自宇宙学模拟的空间数据。CNNs可以追溯到早期的图像识别工作（LeCun等人，1989年），并已被应用于许多宇宙学任务，包括从3D暗物质场中推断参数（Ravanbakhsh等人，2016年）、从晕密度场中推断（Min等人，2024年）、使用大型ML模拟套件（如CAMELS（Villanueva-Domingo和Villaescusa-Navarro，2022年，Villaescusa-Navarro等人，2022年）的分析，以及基于Quijote模拟的研究（Lazanu，2021年）。CNNs还被用于识别和表征星系团和SZ信号（Lin等人，2021年），从X射线图像估计星系团质量（Ntampaka等人，2019年），以及使用体积CNN进行分割/晕查找任务（参见Berger和Stein，2019年）。在这个背景下，正在探索各种用于结构识别的架构范式。一些方法利用基于网格的模拟数据表示，应用如CNNs（Esposito等人，2024年）之类的架构来进行体素化场的语义分割。在本文中，我们介绍了用于亚晕识别的分层聚合学习（HALOS），这是一个多阶段的DL框架，同时注重准确性和计算速度。

以下部分的结构如下：第2节描述了HALOS流程，详细介绍了从输入数据和空间划分到多任务深度学习模型以及最终基于物理的聚类的整个多阶段方法。第3节专门用于评估我们方法的性能，我们提供了针对SUBFIND真实数据的全面验证，包括视觉检查、匹配亚晕的定量分析和计算性能。第4节讨论了我们的结果解释，将我们的方法与现有方法进行了比较，并概述了这项工作的局限性和未来方向。最后，第5节提供了结论，强调了我们框架的关键贡献和重要性。

方法

我们的方法与直接分割模型不同，采用了多阶段流程。该方法的核心是一个多层感知器（MLP）（Guo等人，2024年），它处理原始粒子数据，首先进行语义分割以区分受束缚的粒子和自由粒子，然后仅对受束缚的粒子进行亚晕中心的回归。这个初始的ML驱动过滤步骤使得最终使用基于密度的层次聚类阶段能够更快地完成。

结果

主要目标是将我们的基于DL的框架与由成熟SUBFIND算法生成的真实目录进行严格验证（Forouhar Moreno等人，2025年）。我们的验证策略旨在从广泛的定性评估转向具体的定量指标，以探究我们方法的核心功能。我们首先进行直接视觉检查以确认形态学保真度，然后详细分析中心精度和质量

讨论

前一节中呈现的结果有力地表明，我们的HALOS流程是一种比传统亚晕识别方法更稳健、更快速的替代方案。图2中显示的强烈定性一致性以及亚晕质量函数（图5）表明，我们的基于MLP的流程已成功地将粒子的局部特征映射到其在受引力束缚结构中的成员身份。视觉和统计上的对应关系表明，物理特征

结论

宇宙学模拟的规模和复杂性的不断增加带来了重大的数据分析挑战。传统的基于物理的算法虽然能够识别像亚晕这样的宇宙结构，但往往计算需求过高，无法应对不断增长的数据量。在这项工作中，我们开发、训练并验证了HALOS，这是一种新型且高效的亚晕识别深度学习流程。

我们已经证明，这种基于粒子的方法取得了优异的

CRediT作者贡献声明

Fabio Spampinato：撰写——原始草稿、可视化、软件、数据管理。Vincenzo Del Zoppo：撰写——审阅与编辑、可视化、验证、方法论、调查、概念化。Giuseppe Puglisi：软件。Alessio Mezzina：撰写——审阅与编辑。Marco Cataldo：项目管理。Jean Marc Christille：项目管理。Matteo Calabrese：撰写——审阅与编辑、形式分析。Luca Naso：资金获取。Carmelita Carbone：撰写——审阅与

写作过程中生成式AI和AI辅助技术的声明

在准备这项工作时，作者Vincenzo Del Zoppo和Fabio Spampinato使用了ChatGPT4、Grammarly和Gemini来纠正语法错误和语言流畅性。使用这些工具/服务后，作者根据需要审阅和编辑了内容，并对发表文章的内容负全责。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

本文得到了 Fondazione ICSC, Spoke-3 Astrophysics and Cosmos Observations、国家恢复和韧性计划（Piano Nazionale di Ripresa e Resilienza, PNRR）项目ID CN_00000013 “意大利高性能计算、大数据和量子计算研究中心”（由 MUR Missione 4 Componente 2 Investimento 1.4: 加强研究机构和创建“国家研发冠军（M4C2-19” - 下一代欧盟（NGEU）资助）的支持。作者感谢