基于截断边缘神经比估计的快速可信无似然宇宙学

基于采样的技术是现代宇宙学数据分析的核心；然而，这些方法随维度扩展性差，且通常需要近似或难处理的似然。在本文中，我们描述了截断边缘神经比估计（TMNRE）（一种所谓基于模拟的推断中的新方法）如何自然地规避这些问题，从而改善推断后验的 $(i)$ 效率、$(ii)$ 可扩展性以及 $(iii)$ 可信度。利用宇宙微波背景（CMB）的测量，我们表明 TMNRE 可使用比传统马尔可夫链蒙特卡洛（MCMC）方法少数个数量级的模拟器调用来实现收敛后验。值得注意的是，所需样本数实际上与 nuisance 参数个数无关。此外，称为\emph{局部摊销}的性质允许执行采样方法无法进行的严格统计一致性检验。TMNRE 有望成为宇宙学数据分析的有力工具，尤其在扩展宇宙学的背景下，传统基于采样的推断方法收敛所需时长可能远超 $\Lambda$CDM 等简单宇宙学模型。为进行这些计算，我们使用通过开源代码 \texttt{swyft} 实现的 TMNRE。