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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/14507
Acceder
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

Publicaciones similares