GausSN：用于强引力透镜超新星的贝叶斯时延估计

我们提出 GausSN，一种用于引力透镜超新星(glSNe)分辨系统的时延估计的贝叶斯半参数高斯过程(GP)模型。GausSN 使用 GP 非参数地建模底层光变曲线。在不假设每种超新星类型的模板光变曲线的情况下，GausSN 可利用任意数量波长滤光片中的数据同时拟合所有图像的时延。我们还引入了一种新的时变放大模型，以在时延估计的同时捕捉微透镜效应。在此分析中，我们将时变相对放大建模为 sigmoid 函数，同时也采用常数模型以与现有时延估计方法比较。我们证明 GausSN 对来自南希·格雷斯·罗曼空间望远镜和薇拉·C·鲁宾天文台的时空遗产巡天(Rubin-LSST)的 glSNe 模拟提供了稳健的时延估计。我们发现来自 Roman 的时延估计中多达 43.6%、来自 Rubin-LSST 的多达 52.9% 具有小于 5% 的 fractional errors。我们将 GausSN 应用于 SN Refsdal，发现无论微透镜处理方式如何，第五图像的时延与原始分析一致。因此，GausSN 保持了现有时延提取方法所达到的精度和准度，且相比基于模板的方法对光变曲线底层形状假设更少，同时将微透镜纳入统计误差预算。鉴于 Rubin-LSST 和 Roman 对 glSNe 发现率的当前预测，GausSN 可扩展用于时延宇宙学分析。