探索基于分箱双谱的局部 fNL 估计量

我们基于 Bucher 等人提出的分箱双谱，探索了局部非线性耦合参数 $f_{NL}$ 的不同估计量。利用威尔金森微波各向异性探测器 (WMAP) 7 年数据的模拟，我们比较了回归神经网络与 $\chi^2$ 最小化方法的性能，并研究了结果对分析中线性项的存在以及掩蔽区域修复技术 (inpainting) 使用的依赖性。两种方法获得了相似的结果，且对修复技术的使用具有鲁棒性，但神经网络估计量的收敛速度要快得多。我们还考察了一种简化 $\chi^2$ 估计量的性能，该估计量假设对角矩阵并减去了线性项，从而显著减少了计算时间；在这种情况下，发现修复技术至关重要。这些估计量也被应用于真实的 WMAP-7yr 数据，在 95% 置信水平下 yielded 约束条件为 $-3 < f_{NL} < 83$。