将摘要统计量与仿真推断结合用于 Epoch of Reionization 的 21 cm 信号

Epoch of Reionization 的 21 cm 信号将通过 upcoming Square Kilometer Array (SKA) 进行观测。SKA 应会提供该信号的完整断层扫描，从而打开探索其非高斯属性的可能性。我们如何从断层扫描中提取最大信息并获得该信号的最紧约束？在本工作中，我们不追求寻找最具信息量的摘要统计量，而是研究如何结合两个摘要统计量集合的信息。为此目的，我们训练神经密度估计器（NDE）以拟合我们模型（LICORICE 代码）的隐式似然分布，使用 Loreli II 数据库进行训练。我们训练了三个不同的 NDE：一个用于对功率谱进行贝叶斯推断，一个用于对像素分布函数（PDF）的线性矩进行推断，以及一个用于处理两者组合的推断。我们在参数空间的不同点执行约900次推断，并用于评估我们的后验分布的有效性（使用 Simulation-based Calibration, SBC）以及组合摘要统计量所获得的典型收益。我们发现我们的后验分布的偏差不超过约20%的标准偏差，低估不超过约15%。随后，我们确立了在91.5%的情况下，组合摘要统计量会导致后验（从广义方差推导）的 4 维体积收缩，而在 70% 到 80% 的情况下，边缘化 1 维后验分布也会发生收缩。中位数体积变化为 4 维后验收缩为几个数量级，而边缘化 1 维后验收缩为 20% 到 30%。这表明我们的做法是寻找充分统计量的另一种可能方法。