利用神经密度估计自动推断双星微透镜事件
天体物理仪器与方法
2021-02-16 v2 地球与行星天体物理
太阳与恒星天体物理
机器学习
数据分析、统计与概率
摘要
基于传统采样算法（如 MCMC）的双星微透镜事件自动推断，一直受限于物理前向模型的缓慢与似然面的病态。此类事件的当前分析需要专家知识与大规模网格搜索以定位近似解，作为 MCMC 后验采样的先决条件。由于下一代基于空间的罗马空间天文台（Roman Space Observatory）微透镜巡天预计将产生数千个双星微透镜事件，亟需一种可扩展且自动化的新方法。在此，我们提出一种基于神经密度估计（NDE）的自动推断方法。我们表明，在模拟 Roman 数据上训练的 NDE 不仅产生快速、准确且精确的后验，还捕获了预期的后验简并。可进一步应用 NDE–MCMC 混合框架以产生精确后验。
引用
@article{arxiv.2010.04156,
title = {Automating Inference of Binary Microlensing Events with Neural Density Estimation},
author = {Keming Zhang and Joshua S. Bloom and B. Scott Gaudi and Francois Lanusse and Casey Lam and Jessica Lu},
journal= {arXiv preprint arXiv:2010.04156},
year = {2021}
}
备注
7 pages, 1 figure. This article is superseded by arXiv:2102.05673. Accepted to the ML4PS workshop at NeurIPS 2020