一种基于神经模拟推断的方法来刻画银河系中心 $\gamma$ 射线超出
高能天体物理现象
2022-03-29 v2 机器学习
高能物理 - 唯象学
摘要
费米伽马射线银河系中心超出（GCE）的本质十余年来始终是一个未解之谜。尽管该超出与暗物质湮灭预期发射大体相容，用一群未解析的天体物理点源（例如毫秒脉冲星）来解释仍具可能性。揭示 GCE 起源的努力尤其受限于对银河系起源弥漫发射的不完备理解。这可能导致伪特征，使得难以稳健区分平滑发射（暗物质起源所预期）与相对明亮、未解析点源群所预期的更“成块”的发射。我们利用模拟推断领域近期进展，特别是使用归一化流的密度估计技术，以刻画包括未解析点源群在内的建模成分对 GCE 的贡献。相较于基于光子计数统计分布的的传统技术，我们这种基于机器学习的方法能利用给定银河系中心发射模型中更多信息，尤其可在考虑伽马射线图中像素间空间相关性的同时进行后验参数估计。这使得该方法对某些形式的模型误设明显更具韧性。应用于费米数据后，与传统方法相比，该方法通常将 GCE 流量中更小比例归因于未解析点源。然而我们仍推断出此类贡献在考虑的所有分析变体中占 GCE 不可忽略的部分，在基线分析中至少 的超出归因于未解析点源。
引用
@article{arxiv.2110.06931,
title = {A neural simulation-based inference approach for characterizing the Galactic Center $\gamma$-ray excess},
author = {Siddharth Mishra-Sharma and Kyle Cranmer},
journal= {arXiv preprint arXiv:2110.06931},
year = {2022}
}
备注
21+4 pages, 10+6 figures; v2, version published in PRD with additional tests and minor changes to text, results and conclusions unchanged