Hortua Orjuela, ‪Hector JavieSaavedra Tafur, Paola AndreaRiveros Galeano, Julieth Katherine2024-09-062024-09-062024-06https://hdl.handle.net/20.500.12495/12962En este trabajo, se usa la aplicación de modelos de difusión probabilística (DDPM) y de eliminación de ruido (DDIM) en la generación de simulaciones de N-cuerpos en modelos de gravedad modificada. Los DDPM añaden ruido de manera controlada a través de una cadena de Markov, donde cada paso de difusión depende exclusivamente del anterior, incrementando gradualmente la indistinción. Por otro lado, los DDIM introducen una mayor flexibilidad al permitir referencias a estados anteriores más distantes en el proceso de difusión. En este documento reportamos que los modelos DDPM proveen un excelente emulador para la generación de las simulaciones cosmológicas a nivel del espectro de potencias y biespectro obteniendo un r2 = 0.8, mientras que los modelos DDIM fallan en la extracción de la normalización. Este enfoque juega un papel importante en cosmología, donde la precisión y la rapidez en la generación de simulaciones son esenciales para la estimación de parámetros y la restricción de modelos de gravedad.esAtribución-NoComercial-CompartirIgual 4.0 InternacionalDeep LearningModelos generativosAstrofísicaSimulaciones de N-cuerposGravedad modificadaDeep LearningGenerative modelsAstrophysicsN-body simulationsModified gravityAcceso abiertoinfo:eu-repo/semantics/openAccesshttp:/purl.org/coar/access_right/c_abf2/