用于强引力透镜分析的自适应域神经后验估计
天体物理仪器与方法
2024-10-23 v1 宇宙学与河外天体物理
星系天体物理
人工智能
计算机视觉与模式识别
机器学习
摘要
对于现代和下一代巡天数据而言，强引力透镜建模的成本高得令人望而却步。神经后验估计（NPE）是一种基于模拟的推断（SBI）方法，已被研究作为高效分析强引力透镜数据的途径。然而，NPE 尚未被证明在域外目标数据上表现良好——例如，在模拟数据上训练后应用于真实观测数据。在这项工作中，我们首次研究了 NPE 与无监督域自适应（UDA）结合的有效性。源域为无噪声数据，目标域为模拟现代宇宙学巡天噪声的数据。我们发现，将 UDA 与 NPE 结合可将推断精度提高 1-2 个数量级，并显著改善后验覆盖率，优于未使用 UDA 的 NPE 模型。我们预计这种结合将有助于未来 NPE 模型在真实观测数据上的应用。
关键词
引用
@article{arxiv.2410.16347,
title = {Domain-Adaptive Neural Posterior Estimation for Strong Gravitational Lens Analysis},
author = {Paxson Swierc and Marcos Tamargo-Arizmendi and Aleksandra Ćiprijanović and Brian D. Nord},
journal= {arXiv preprint arXiv:2410.16347},
year = {2024}
}
备注
20 pages, 2 figures, 2 tables