基于GPR训练的SCRIPT再电离参数空间快速探索方法
天体物理仪器与方法
2023-11-01 v2 宇宙学与河外天体物理
摘要
高效探索参数空间对于从各种观测探针中提取再电离时期(epoch of reionization)的物理信息至关重要。为此,我们提出了一种基于高斯过程回归(Gaussian Process Regression, GPR)训练应用于半数值保光子再电离模型SCRIPT的快速技术。我们的方法利用了SCRIPT的数值收敛特性,并基于低成本、粗分辨率模拟构建训练集。随后使用该集训练似然模拟器(likelihood emulator),以比完整MCMC运行大约少两个数量级的计算时间产生结果,同时仍能生成合理的68%和95%置信轮廓。此外,我们使用模拟数据进行了预测研究,以证明该技术的适用性。当由于似然计算代价高昂而无法进行完整MCMC分析时,该方法尤为有用。
引用
@article{arxiv.2305.04839,
title = {A fast method of reionization parameter space exploration using GPR trained SCRIPT},
author = {Barun Maity and Aseem Paranjape and Tirthankar Roy Choudhury},
journal= {arXiv preprint arXiv:2305.04839},
year = {2023}
}
备注
Accepted for publication in MNRAS