宇宙切变的层次化概率推断

在噪声、像素化和模型不确定性存在的情况下，由引力透镜引起的星系图像切变的点估计器涉及一个复杂的反问题。我们提出了一种用于引力透镜推断的概率前向建模方法，该方法有望缓解大多数常用点估计器中的推断偏差，并适用于即将到来的透镜巡天。我们统计框架的第一部分需要指定成像巡天中像素数据的似然函数，该函数基于图像中星系的参数化模型。我们通过对所有贡献于像素数据的内禀星系属性（即不仅限于星系椭圆率）进行边缘化，推导出透镜切变后验分布，并通过具有适当灵活的条件概率分布设定的层次化推断来学习内禀星系属性的分布。我们使用重要性采样将小成像区域的建模与全局切变推断分离开来，从而使我们的算法在计算上能够处理大型巡天。通过简单的数值示例，我们展示了重要性采样方法在精度上的提升，以及当数据源自具有不同形态特征的未知数量的distinct星系种群时，内禀星系属性条件分布设定的重要性。