混合 SBI 或我如何学会停止担忧并学习似然
宇宙学与河外天体物理
2023-09-20 v1
摘要
我们提出了一种用于当前与未来宇宙学巡天分析的新框架,其将大尺度的微扰方法(PT)与小尺度的条件基于模拟的隐式推断(SBI)相结合。这使得仅使用小体积模拟即可跨所有尺度建模范围广泛的统计量,大幅降低计算成本,并避免对显式小尺度似然的假设。作为该混合基于模拟推断(HySBI)方法的原理验证,我们将其应用于暗物质密度场,并利用功率谱与小波系数约束宇宙学参数,获得了显著优于经典 PT 方法的有前景结果。我们还规划了在实际巡天数据上实施 HySBI 所需的下一步路线图,包括偏差、系统误差与定制模拟的考量。我们的方法为将 SBI 扩展到未来巡天体积提供了一条现实途径,避免了高昂得不可接受的计算成本。
引用
@article{arxiv.2309.10270,
title = {Hybrid SBI or How I Learned to Stop Worrying and Learn the Likelihood},
author = {Chirag Modi and Oliver H. E. Philcox},
journal= {arXiv preprint arXiv:2309.10270},
year = {2023}
}
备注
6 pages, 3 figures