面向所有人的 Euclid 时代宇宙学：用于联合 3x2 似然的神经网络辅助 MCMC 采样
宇宙学与河外天体物理
2019-11-21 v3 星系天体物理
摘要
我们开发了一种完全非侵入式的机器学习应用，以实现对 Euclid 规模数据集的开放研究。与许多黑盒式的机器学习应用不同，我们的算法保留了对理论和数据分析的完全控制。聚焦于结合了宇宙剪切、星系团聚和切向剪切的“3x2 分析”（在类 Euclid 天区覆盖下），我们将总计 348000 个数据点排列成数据矩阵，其结构不仅允许神经网络进行轻松预测，还允许从数据中移除神经网络无法“理解”的模式。后者提供了一种通常缺失的机制，以控制和去偏物理推断。我们神经网络训练的理论主干可以是任何常规的（确定性）理论代码，我们选择了 CLASS。训练后，我们在一天内以类 Euclid 精度通过 Monte Carlo Markov 采样后验推断了一个 CDM 宇宙学的七个参数。我们公开提供了这些神经网络，它们记忆并输出类 Euclid 天区覆盖和红移分箱下的所有 3x2 功率谱。
引用
@article{arxiv.1907.05881,
title = {Euclid-era cosmology for everyone: Neural net assisted MCMC sampling for the joint 3x2 likelihood},
author = {Andrea Manrique-Yus and Elena Sellentin},
journal= {arXiv preprint arXiv:1907.05881},
year = {2019}
}
备注
Original version of the authors, as accepted by the referee(s)