FluxMC：面向空间基引力波观测的快速高保真推断
天体物理仪器与方法
2026-04-09 v2 广义相对论与量子宇宙学
数据分析、统计与概率
摘要
物理学中的贝叶斯推断面临一个根本性挑战：高保真物理建模的需求常常与随机抽样算法的内在局限性冲突。复杂的高维参数空间暴露了传统方法（如 MCMC）的普遍脆弱性，这些方法在似然评估计算成本高昂以及容易陷入局部最优点方面受限。为解决这一困境，我们引入了 FluxMC（Flow-guided Unbiased eXploration Monte Carlo），一个结合了机器学习的框架，用于从盲目局部搜索转向全局引导运输。它将 Flow Matching 与并行换温 MCMC 结合起来，有效地将生成式 AI 的全局前瞻与基于温度的抽样的严格渐近收敛性和局部鲁棒性相结合。我们通过引力波天文学的前沿领域——空间基引力波天文学——来展示了这一框架的有效性。在使用高保真波形（IMRPhenomHM）分析巨型黑洞二元系统时，FluxMC 在不到五个小时内实现了稳健的收敛，而传统的并行换温 MCMC 即使在数百个小时后仍未收敛，产生高 Jensen-Shannon 散度（JSD）。我们的方法将分布误差降低了两个到三个数量级。此外，对于计算效率较高的模型（IMRPhenomD），它消除了由局部最优点陷入所导致的系统偏差。最终，FluxMC 消除了在模型准确性和分析速度之间作出妥协的必要性，建立了一个新的计算基础，使得科学发现仅受观测数据质量的限制，而非算法容量的限制。
引用
@article{arxiv.2604.04957,
title = {FluxMC: Rapid and High-Fidelity Inference for Space-Based Gravitational-Wave Observations},
author = {Bo Liang and Chang Liu and Hanlin Song and Tianyu Zhao and Minghui Du and He Wang and Haohao Gu and Sensen He and Yuxiang Xu and Wei-Liang Qian and Li-e Qiang and Peng Xu and Ziren Luo and Mingming Sun},
journal= {arXiv preprint arXiv:2604.04957},
year = {2026}
}