基于神经后验估计的引力波星族与宇宙学推断

我们应用神经后验估计对引力波星族进行快速而准确的层次贝叶斯推断。我们使用归一化流直接从一组单个源观测中估计星族超参数。该方法在事件表示上具有完全的自由度，自动包含选择效应，并且（与似然估计相反）无需随机采样器即可获得后验样本。由于在训练网络时事件数量可能未知，我们将其拆分为子星族分析，随后再进行重组；这使得在观测到额外事件时能够进行快速的序贯分析。我们在一个暗哨兵宇宙学（dark siren cosmology）的玩具问题上演示了我们的方法，并表明推断仅需几分钟，且在性能下降之前可扩展到约 $600$ 个事件。因此我们认为，神经后验估计代表了利用大量事件进行星族推断的一条有前景的途径。