基于ScannerBit（GAMBIT扫描模块）的统计采样方法比较

我们介绍ScannerBit，即公共开源全局拟合框架GAMBIT的统计与采样模块。ScannerBit为不同的采样算法提供了标准化接口，使得能够使用和比较多种计算方法以推断剖面似然、贝叶斯后验和其他统计量。当前版本提供随机、网格、光栅、嵌套采样、差分进化、马尔可夫链蒙特卡洛（MCMC）和集成蒙特卡洛采样器。我们还宣布发布一个新的独立差分进化采样器Diver，并描述其设计、用法和与ScannerBit的接口。我们让Diver和其他三个采样器（嵌套采样器MultiNest、MCMC GreAT和ScannerBit原生实现的集成蒙特卡洛算法T-Walk）接受一系列统计测试。为此，我们使用基于暗物质标量单态模型的实际物理似然函数。我们检查每个采样器作为其可调设置函数以及采样问题维度的性能。我们在四个指标上评估性能：找到的最佳拟合的最优性、探索最佳拟合区域的完整性、似然评估次数和总运行时间。对于高分辨率贝叶斯后验估计，T-Walk提供了最准确及时的完整参数空间映射。对于少于约十维的剖面似然分析，我们发现Diver和MultiNest在最佳拟合和速度方面得分相似，优于GreAT和T-Walk；在十维或更多维中，Diver在所有指标上大幅优于其他三个采样器。