近似贝叶斯计算在天文模型分析中的应用：高红移星系人口统计与形态演化的案例研究

“近似贝叶斯计算”(Approximate Bayesian Computation, ABC) 代表了一种用于分析复杂随机系统的强大方法论；在这些系统中，任意一组输入参数下观测数据的似然性可能完全无法计算，而这一条件使得基于可计算似然的传统贝叶斯统计推断机制（例如常规马尔可夫链蒙特卡洛模拟；MCMC）失效。在本文中，我们通过将其应用于高红移星系形态演化的案例研究，展示了 ABC 在天文模型分析中的潜力。为此，我们首先开发了早期宇宙中并合与长期演化竞争过程的随机模型；其次，通过将基于 ABC 的方法与 CANDELS/EGS 数据集中观测到的大质量 ($M_{\mathrm{gal}} > 10^{11} M_{\odot}$) 星系 ($1.5 < z < 3$) 的人口统计数据进行对比，推导出了该模型关键参数的后验概率密度。本文展示的 ABC“序列蒙特卡洛”(Sequential Monte Carlo, SMC) 实现方案，兼具自生成目标序列和自精炼 MCMC 核，是处理这一重要统计算法最高效的当代方法之一。我们还通过所选案例研究强调了仔细选择摘要统计量的价值，并演示了两种用于此类评估和优化的现代策略。最终，我们对高红移形态混合的 ABC 分析得出了早期宇宙演化并合率的严格约束，并支持主要并合（伴随盘星系的存活或快速重组）而非长期演化是构建早型盘中第一代核球的主要机制。