地面观测天文学中的模拟强引力镜深层推断
天体物理仪器与方法
2025-06-03 v2 宇宙学与河外天体物理
摘要
未来天文学调查将发现大量强引力镜，预计将增强强引力透镜作为暗能量和暗物质宇宙探针的价值。然而，利用此类大样本的统计力量将需要进一步发展自动化引力镜建模技术。我们表明，深度学习和基于仿真的推断 (SBI) 方法为地面观测天文学中的强引力镜系统提供信息丰富且可靠的后验参数估计。我们呈现了两种用于强银河-银河引力镜参数估计的方法进行检视与比较——神经后验估计 (NPE) 和贝叶斯神经网络 (BNNs)。我们对模拟暗能量探测器 (DES)的地面成像数据进行推断。我们发现NPE优于BNNs，为大多数参数提供更准确、更精确且校准更好的后验分布。对于12参数的NPE模型，校准始终在<10%的最优校准范围内，而BNN几乎从未在任何参数上达到20%的最优校准。类似地，大多数参数的残差（通过一个数量级）都小于BNN模型。该工作在不同模型复杂度水平上进行方法系统比较方面取得了重要步骤。
引用
@article{arxiv.2501.08524,
title = {Deep inference of simulated strong lenses in ground-based surveys},
author = {Jason Poh and Ashwin Samudre and Aleksandra Ćiprijanović and Joshua Frieman and Gourav Khullar and Brian D. Nord},
journal= {arXiv preprint arXiv:2501.08524},
year = {2025}
}
备注
Updated version to match published version