宇宙学推断：用观测与极少量模拟约束参数

宇宙学探针提出一个反问题：测量结果通过观测获得，目标是推断表征底层物理系统——我们的宇宙——的模型参数值。现代宇宙学探针日益依赖小尺度结构的测量，而准确建模这些尺度（约 65 Mpc/h 或更小）上物理行为的唯一途径是昂贵的数值模拟。本文中，我们详细描述一种新颖统计框架，通过结合观测与极少量宇宙学模拟来获得准确参数约束。所提框架利用多输出高斯过程模拟器，其使用贝叶斯优化方法自适应构建。我们比较了几种构建多输出模拟器的方法，使我们能在考虑可能输出间相关性的同时，保持推断所需的效率。利用莱曼阿尔法森林通量功率谱，我们证明我们的自适应方法相较于基于拉丁超立方采样的模拟，所需模拟数量显著更少——在本文考虑的莱曼阿尔法 P(k) 情形中少了几倍——且该方法在重建参数及其贝叶斯可信区间上更为稳健。