Gaussbock：基于贝叶斯非参的快并行迭代宇宙学参数估计方法
宇宙学与河外天体物理
2020-06-19 v2 天体物理仪器与方法
统计计算
统计方法学
摘要
我们提出并应用 Gaussbock，这是一种全新的易并行迭代算法，用于宇宙学参数估计，专为廉价并行计算资源时代设计。Gaussbock 利用贝叶斯非参和截断重要性采样，以比替代方法快数个数量级的挂钟时间从后验分布中准确抽取样本。该领域的当代问题常受困于高维参数空间导致的计算成本增加与过多时间需求，以及对提议分布或采样参数的精细调参需要。Gaussbock 正是针对这些问题而设计。我们在一个暗能量巡天第一年(DES Y1)后验的快速近似上探索并验证了算法的性能与收敛性，发现随参数数量具有合理的缩放行为。随后我们利用大规模超级计算设施在完整 DES Y1 后验上测试，恢复了与先前链合理的吻合，尽管算法可能低估约束不良参数的尾部。此外，我们讨论并演示了 Gaussbock 如何在低维下很好地恢复复杂后验形状，但在高维下对此类分布表现面临挑战。另外，我们向学界提供了一款基于本文方法的用户友好型加速宇宙学参数估计软件工具。
引用
@article{arxiv.1905.09800,
title = {Gaussbock: Fast parallel-iterative cosmological parameter estimation with Bayesian nonparametrics},
author = {Ben Moews and Joe Zuntz},
journal= {arXiv preprint arXiv:1905.09800},
year = {2020}
}
备注
19 pages, 10 figures, accepted for publication in ApJ