基于深度流生成网络引力波种群推断
天体物理仪器与方法
2020-07-07 v2 高能天体物理现象
广义相对论与量子宇宙学
摘要
我们将层次贝叶斯建模与基于流的深度生成网络相结合，以证明人们能够高效地约束具有此前难以处理复杂度的数值引力波（GW）种群模型。现有的将数据与模拟进行比较的技术，如离散模型选择和高斯过程回归，只能高效地应用于中等维度数据。这限制了在种群推断中可使用的可观测量（例如啁啾质量、自旋）和超参数（例如共同包层效率）的数量。在本研究中，我们训练一个网络来模拟具有 6 个可观测量和 4 个超参数的现象学模型，用它推断一个模拟星表的性质，并将结果与现象学模型进行比较。我们发现一个 10 层网络能够准确且高效地模拟该现象学模型。我们的机器使得基于模拟的引力波种群推断能够处理具有新复杂度水平的数据。
引用
@article{arxiv.2002.09491,
title = {Gravitational wave population inference with deep flow-based generative network},
author = {Kaze W. K. Wong and Gabriella Contardo and Shirley Ho},
journal= {arXiv preprint arXiv:2002.09491},
year = {2020}
}
备注
11 pages, 3 figures