EmpiriciSN：利用 XD 高斯混合模型重采样观测到的超新星/宿主星系种群
天体物理仪器与方法
2017-05-24 v1
摘要
我们描述了两个新的开源 Python 工具，用于执行极端去卷积高斯混合建模 (XDGMM) 并利用条件模型重采样观测到的超新星和宿主星系种群。XDGMM 是一个新程序，用于使用高斯混合通过极端去卷积 (XD) 算法对含噪数据进行密度估计，具有其他 XD 工具所不具备的功能。它允许用户在 AstroML (Vanderplas 等人，2012; Ivezic 等人，2015) 和 Bovy 等人 (2011) 的拟合方法之间进行选择，并与 scikit-learn 机器学习算法 (Pedregosa 等人，2011) 兼容。最关键的是，它允许用户基于一组参数的已知值对模型进行条件化。这使得用户能够创建一个工具，基于对其他参数已知值的条件化模型来预测未知参数。EmpiriciSN 是此功能的一个示例应用，可用于将 XDGMM 模型拟合到观测到的超新星/宿主数据集，并利用基于观测宿主属性条件化的模型预测可能的超新星参数。其主要目的是基于经验星系属性模拟适用于 LSST 数据模拟的真实超新星。
引用
@article{arxiv.1611.00363,
title = {EmpiriciSN: Re-sampling Observed Supernova/Host Galaxy Populations using an XD Gaussian Mixture Model},
author = {Thomas W. -S. Holoien and Philip J. Marshall and Risa H. Wechsler},
journal= {arXiv preprint arXiv:1611.00363},
year = {2017}
}
备注
10 pages, 6 figures. Manuscript will be submitted to The Astronomical Journal. XDGMM and empiriciSN are open source and available for download via github. or a brief video explaining this paper, see https://youtu.be/5bX34GHk1Rg