从宇宙学数据推断中子质量等级的隐式似然推断

本文我们利用学习宇宙隐式似然推断 (LtU-ILI) 流程，对来自 Planck 2018 的 $TT$, $TE$, $EE$ 功谱以及 DESI DR2 的距离比值进行多轮 ILI，以推断中子质量等级。更具体地，我们首先将 CMB 功谱模拟器 $\mathtt{CLASS}$ 嵌入 LtU-ILI 流程。随后，采用顺序神经似然估计 (SNLE)，使用 $2$ 轮 $5000$ 次模拟依次训练神经网络，以针对我们前向模型的“黑盒”似然函数进行建模，该模型额外加入一个中子质量等级参数 $\tilde{\Delta}$ 和六个基本宇宙参数。我们发现 $\tilde{\Delta}=0.12216^{+0.26193}_{-0.29243}~(68\%{\rm CL})$，稍偏向 $\tilde{\Delta}>0$，因此偏好正常等级。