贝叶斯加速：基于降基方法模拟的协变能量密度泛函的不确定性量化
核理论
2022-09-28 v1 计算物理
摘要
利用由若干幻数与半幻数核的实验结合能与电荷半径所约束的、有原则的贝叶斯统计框架，对一种协变能量密度泛函进行标定。标定所需的贝叶斯采样通过降基方法（RBM，一类可将涉及偏微分方程的繁重计算加速数个量级的降维技术）对高保真模型进行模拟而得以实现。我们构建的 RBM 模拟器仅使用 100 次高保真模型求值，便能在个人计算机上以数十毫秒准确复现模型计算，相较于原始求解器速度提升近 3300 倍。除分析参数的后验分布外，我们还给出了拟合中未包含观测量（具体为 PREX 与 CREX 合作组所报告的 208Pb 与 48Ca 的中子皮厚度）带恰当估计不确定度的预测。RBM 的直接实现与卓越性能使其成为协助核理论界提供带恰当量化不确定度的物理观测量可靠估计的理想工具。鉴于新近落成及未来的实验与观测设施预期将产生海量数据，此类不确定性量化工具将不可或缺。
引用
@article{arxiv.2209.13039,
title = {Bayes goes fast: Uncertainty Quantification for a Covariant Energy Density Functional emulated by the Reduced Basis Method},
author = {Pablo Giuliani and Kyle Godbey and Edgard Bonilla and Frederi Viens and Jorge Piekarewicz},
journal= {arXiv preprint arXiv:2209.13039},
year = {2022}
}
备注
23 pages, 7 figures