基于 hp-greedy 细化的引力波替代模型参数域自动分解方法

我们引入了 hp-greedy，一种用于构建引力波替代模型的细化方法，作为标准约化基框架的扩展。我们的方案是数据驱动的，通过对参数空间进行域分解、局部约化基以及由此产生的二叉树结构，这些均以自动化方式获得。与标准的全局约化基方法相比，我们方案数值模拟显示出三个显著特征：i) 在精度不损失的情况下实现更低维度的表示，ii) 在基的最大维度固定时精度显著提高，某些情况下达数个数量级，以及 iii) 结果依赖于细化算法所使用的约化基种子选择。我们首先用一个玩具模型说明我们方法的关键部分，然后给出一个更现实的用例：两个自旋、非进动黑洞碰撞所发射的引力波。我们讨论了 hp-greedy 的性能方面，例如相对于树结构深度的过拟合以及其他超参数的依赖性。作为所提出的 hp-greedy 细化的两个直接应用，我们设想：i) 进一步加速统计推断，这可能补充聚焦约化阶求积（focused reduced-order quadratures），以及 ii) 通过聚类和最近邻搜索引力波。