Calibration of semi-analytic models of galaxy formation using particle swarm optimization
- Autores
- Ruiz, Andrés Nicolás; Cora, Sofia Alejandra; PADILLA, Nelson David; Domínguez, Mariano J.; Vega Martínez, Cristian Antonio; Tecce, Tomas Enrique; Orsi, Alvaro; Yaryura, Claudia Yamila; Garcia Lambas, Diego Rodolfo; Gargiulo, Ignacio Daniel; Muñoz Arancibia, Alejandra M.
- Año de publicación
- 2015
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- We present a fast and accurate method to select an optimal set of parameters in semi-analytic models of galaxy formation and evolution (SAMs). Our approach compares the results of a model against a set of observables applying a stochastic technique called Particle Swarm Optimization (PSO), a self-learning algorithm for localizing regions of maximum likelihood in multidimensional spaces that outperforms traditional sampling methods in terms of computational cost. We apply the PSO technique to the SAG semi-analytic model combined with merger trees extracted from a standard Lambda Cold Dark Matter N-body simulation. The calibration is performed using a combination of observed galaxy properties as constraints, including the local stellar mass function and the black hole to bulge mass relation. We test the ability of the PSO algorithm to find the best set of free parameters of the model by comparing the results with those obtained using a MCMC exploration. Both methods find the same maximum likelihood region, however, the PSO method requires one order of magnitude fewer evaluations. This new approach allows a fast estimation of the best-fitting parameter set in multidimensional spaces, providing a practical tool to test the consequences of including other astrophysical processes in SAMs.
Fil: Ruiz, Andrés Nicolás. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina
Fil: Cora, Sofia Alejandra. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina
Fil: PADILLA, Nelson David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; Chile
Fil: Domínguez, Mariano J.. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina
Fil: Vega Martínez, Cristian Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina
Fil: Tecce, Tomas Enrique. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; Chile
Fil: Orsi, Alvaro. Pontificia Universidad Católica de Chile; Chile
Fil: Yaryura, Claudia Yamila. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina
Fil: Garcia Lambas, Diego Rodolfo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina
Fil: Gargiulo, Ignacio Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina
Fil: Muñoz Arancibia, Alejandra M.. Pontificia Universidad Católica de Chile; Chile - Materia
-
Methods: Numerical
Methods: Statistical
Galaxies: Evolution
Galaxies: Formation - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/14507
Ver los metadatos del registro completo
id |
CONICETDig_9ed752f3dbfdd42c2adade17f9a05106 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/14507 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Calibration of semi-analytic models of galaxy formation using particle swarm optimizationRuiz, Andrés NicolásCora, Sofia AlejandraPADILLA, Nelson DavidDomínguez, Mariano J.Vega Martínez, Cristian AntonioTecce, Tomas EnriqueOrsi, AlvaroYaryura, Claudia YamilaGarcia Lambas, Diego RodolfoGargiulo, Ignacio DanielMuñoz Arancibia, Alejandra M.Methods: NumericalMethods: StatisticalGalaxies: EvolutionGalaxies: Formationhttps://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1We present a fast and accurate method to select an optimal set of parameters in semi-analytic models of galaxy formation and evolution (SAMs). Our approach compares the results of a model against a set of observables applying a stochastic technique called Particle Swarm Optimization (PSO), a self-learning algorithm for localizing regions of maximum likelihood in multidimensional spaces that outperforms traditional sampling methods in terms of computational cost. We apply the PSO technique to the SAG semi-analytic model combined with merger trees extracted from a standard Lambda Cold Dark Matter N-body simulation. The calibration is performed using a combination of observed galaxy properties as constraints, including the local stellar mass function and the black hole to bulge mass relation. We test the ability of the PSO algorithm to find the best set of free parameters of the model by comparing the results with those obtained using a MCMC exploration. Both methods find the same maximum likelihood region, however, the PSO method requires one order of magnitude fewer evaluations. This new approach allows a fast estimation of the best-fitting parameter set in multidimensional spaces, providing a practical tool to test the consequences of including other astrophysical processes in SAMs.Fil: Ruiz, Andrés Nicolás. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; ArgentinaFil: Cora, Sofia Alejandra. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; ArgentinaFil: PADILLA, Nelson David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; ChileFil: Domínguez, Mariano J.. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; ArgentinaFil: Vega Martínez, Cristian Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; ArgentinaFil: Tecce, Tomas Enrique. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; ChileFil: Orsi, Alvaro. Pontificia Universidad Católica de Chile; ChileFil: Yaryura, Claudia Yamila. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; ArgentinaFil: Garcia Lambas, Diego Rodolfo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; ArgentinaFil: Gargiulo, Ignacio Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; ArgentinaFil: Muñoz Arancibia, Alejandra M.. Pontificia Universidad Católica de Chile; ChileIop Publishing2015-02info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/14507Ruiz, Andrés Nicolás; Cora, Sofia Alejandra; PADILLA, Nelson David; Domínguez, Mariano J.; Vega Martínez, Cristian Antonio; et al.; Calibration of semi-analytic models of galaxy formation using particle swarm optimization; Iop Publishing; Astrophysical Journal; 801; 2; 2-2015; 139-1490004-637Xenginfo:eu-repo/semantics/altIdentifier/doi/10.1088/0004-637X/801/2/139info:eu-repo/semantics/altIdentifier/url/http://iopscience.iop.org/article/10.1088/0004-637X/801/2/139info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:45:12Zoai:ri.conicet.gov.ar:11336/14507instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:45:13.136CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
title |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
spellingShingle |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization Ruiz, Andrés Nicolás Methods: Numerical Methods: Statistical Galaxies: Evolution Galaxies: Formation |
title_short |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
title_full |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
title_fullStr |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
title_full_unstemmed |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
title_sort |
Calibration of semi-analytic models of galaxy formation using particle swarm optimization |
dc.creator.none.fl_str_mv |
Ruiz, Andrés Nicolás Cora, Sofia Alejandra PADILLA, Nelson David Domínguez, Mariano J. Vega Martínez, Cristian Antonio Tecce, Tomas Enrique Orsi, Alvaro Yaryura, Claudia Yamila Garcia Lambas, Diego Rodolfo Gargiulo, Ignacio Daniel Muñoz Arancibia, Alejandra M. |
author |
Ruiz, Andrés Nicolás |
author_facet |
Ruiz, Andrés Nicolás Cora, Sofia Alejandra PADILLA, Nelson David Domínguez, Mariano J. Vega Martínez, Cristian Antonio Tecce, Tomas Enrique Orsi, Alvaro Yaryura, Claudia Yamila Garcia Lambas, Diego Rodolfo Gargiulo, Ignacio Daniel Muñoz Arancibia, Alejandra M. |
author_role |
author |
author2 |
Cora, Sofia Alejandra PADILLA, Nelson David Domínguez, Mariano J. Vega Martínez, Cristian Antonio Tecce, Tomas Enrique Orsi, Alvaro Yaryura, Claudia Yamila Garcia Lambas, Diego Rodolfo Gargiulo, Ignacio Daniel Muñoz Arancibia, Alejandra M. |
author2_role |
author author author author author author author author author author |
dc.subject.none.fl_str_mv |
Methods: Numerical Methods: Statistical Galaxies: Evolution Galaxies: Formation |
topic |
Methods: Numerical Methods: Statistical Galaxies: Evolution Galaxies: Formation |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.3 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
We present a fast and accurate method to select an optimal set of parameters in semi-analytic models of galaxy formation and evolution (SAMs). Our approach compares the results of a model against a set of observables applying a stochastic technique called Particle Swarm Optimization (PSO), a self-learning algorithm for localizing regions of maximum likelihood in multidimensional spaces that outperforms traditional sampling methods in terms of computational cost. We apply the PSO technique to the SAG semi-analytic model combined with merger trees extracted from a standard Lambda Cold Dark Matter N-body simulation. The calibration is performed using a combination of observed galaxy properties as constraints, including the local stellar mass function and the black hole to bulge mass relation. We test the ability of the PSO algorithm to find the best set of free parameters of the model by comparing the results with those obtained using a MCMC exploration. Both methods find the same maximum likelihood region, however, the PSO method requires one order of magnitude fewer evaluations. This new approach allows a fast estimation of the best-fitting parameter set in multidimensional spaces, providing a practical tool to test the consequences of including other astrophysical processes in SAMs. Fil: Ruiz, Andrés Nicolás. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina Fil: Cora, Sofia Alejandra. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina Fil: PADILLA, Nelson David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; Chile Fil: Domínguez, Mariano J.. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina Fil: Vega Martínez, Cristian Antonio. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina Fil: Tecce, Tomas Enrique. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Pontificia Universidad Católica de Chile; Chile Fil: Orsi, Alvaro. Pontificia Universidad Católica de Chile; Chile Fil: Yaryura, Claudia Yamila. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina Fil: Garcia Lambas, Diego Rodolfo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Córdoba. Instituto de Astronomía Teórica y Experimental; Argentina. Universidad Nacional de Cordoba. Observatorio Astronomico de Cordoba; Argentina Fil: Gargiulo, Ignacio Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico La Plata. Instituto de Astrofísica de La Plata; Argentina; Argentina. Universidad Nacional de la Plata. Facultad de Ciencias Astronómicas y Geofísicas; Argentina Fil: Muñoz Arancibia, Alejandra M.. Pontificia Universidad Católica de Chile; Chile |
description |
We present a fast and accurate method to select an optimal set of parameters in semi-analytic models of galaxy formation and evolution (SAMs). Our approach compares the results of a model against a set of observables applying a stochastic technique called Particle Swarm Optimization (PSO), a self-learning algorithm for localizing regions of maximum likelihood in multidimensional spaces that outperforms traditional sampling methods in terms of computational cost. We apply the PSO technique to the SAG semi-analytic model combined with merger trees extracted from a standard Lambda Cold Dark Matter N-body simulation. The calibration is performed using a combination of observed galaxy properties as constraints, including the local stellar mass function and the black hole to bulge mass relation. We test the ability of the PSO algorithm to find the best set of free parameters of the model by comparing the results with those obtained using a MCMC exploration. Both methods find the same maximum likelihood region, however, the PSO method requires one order of magnitude fewer evaluations. This new approach allows a fast estimation of the best-fitting parameter set in multidimensional spaces, providing a practical tool to test the consequences of including other astrophysical processes in SAMs. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-02 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/14507 Ruiz, Andrés Nicolás; Cora, Sofia Alejandra; PADILLA, Nelson David; Domínguez, Mariano J.; Vega Martínez, Cristian Antonio; et al.; Calibration of semi-analytic models of galaxy formation using particle swarm optimization; Iop Publishing; Astrophysical Journal; 801; 2; 2-2015; 139-149 0004-637X |
url |
http://hdl.handle.net/11336/14507 |
identifier_str_mv |
Ruiz, Andrés Nicolás; Cora, Sofia Alejandra; PADILLA, Nelson David; Domínguez, Mariano J.; Vega Martínez, Cristian Antonio; et al.; Calibration of semi-analytic models of galaxy formation using particle swarm optimization; Iop Publishing; Astrophysical Journal; 801; 2; 2-2015; 139-149 0004-637X |
dc.language.none.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/doi/10.1088/0004-637X/801/2/139 info:eu-repo/semantics/altIdentifier/url/http://iopscience.iop.org/article/10.1088/0004-637X/801/2/139 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf application/pdf application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Iop Publishing |
publisher.none.fl_str_mv |
Iop Publishing |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844614491294138368 |
score |
13.070432 |