Bahamas: 用于天文学随机背景的贝叶斯推断与哈密顿马尔可夫
天体物理仪器与方法
2025-07-01 v1 高能天体物理现象
摘要
LISA 数据流将被大量仪器和天文学噪声所充斥，这些噪声都可能呈现出长期非平稳性。对其进行建模与推断是一项具有挑战性的任务，关乎信号的准确重构。本文介绍 ，一个用于表征噪声和随机引力波背景 (SGWB) 的代码库。 采用基于短时傅里叶变换的时间频率数据表示，准确描述信号的时序演化，并容纳数据间隙的存在。此外， 支持文献中提出的多种 SGWB 频谱模型，实现对其的联合推断。后验抽样利用 No-U-Turn 采样，这是一种哈密顿马尔可夫的高效变体，继承了 NumPyro（CPU/GPU/TPU）提供的跨硬件能力。我们对 在简单测试案例中的性能进行基准测试，并展示了即将在未来版本中将出现的后续开发。
引用
@article{arxiv.2506.22542,
title = {Bahamas: BAyesian inference with HAmiltonian Montecarlo for Astrophysical Stochastic background},
author = {Federico Pozzoli and Riccardo Buscicchio and Antoine Klein and Daniele Chirico},
journal= {arXiv preprint arXiv:2506.22542},
year = {2025}
}
备注
5 pages, 1 figure; paper submitted to `The Journal of Open Source Software`