宇宙学中的数据压缩：针对 Planck 数据的压缩似然
宇宙学与河外天体物理
2019-10-23 v1
摘要
我们将大规模优化参数估计与数据压缩技术(MOPED)应用于公开的 Planck 2015 温度似然，将数据集空间维度缩减为每个感兴趣参数对应一个数。我们给出了 CosMOPED，一个用 Python 实现的轻量且便捷的压缩似然代码。在此过程中我们表明， 的 Planck 温度似然可由两个高斯分布数据点很好地近似，这使我们能用简单高斯似然替代基于图的低- 温度似然。我们提供了一个 Planck 2015 Plik_lite 温度似然的 Python 实现，其包含了这些低- 分箱温度数据(Planck-lite-py)。我们在 CosMOPED 中未显式使用大尺度偏振数据，而是对这些数据导出的再电离光学厚度施加先验。我们表明用 CosMOPED 恢复的 CDM 参数与未压缩似然在 0.1 内一致，并验证了一个 7 参数扩展模型表现同样良好。
引用
@article{arxiv.1909.05869,
title = {Data compression in cosmology: A compressed likelihood for Planck data},
author = {Heather Prince and Jo Dunkley},
journal= {arXiv preprint arXiv:1909.05869},
year = {2019}
}
备注
8 pages, 7 figures, accepted by Phys. Rev. D. For CosMOPED code see https://github.com/heatherprince/cosmoped; for Planck-lite-py see https://github.com/heatherprince/planck-lite-py