利用再电离时期的二维柱面功率谱推断天体物理参数

为了增进我们对驱动再电离的第一批星系的理解，需要探测来自中性氢的 21-cm 信号。解释嵌入在该信号中的丰富信息需要贝叶斯推断。由于能够相对直接地推导出解析似然函数从而支持传统的马尔可夫链蒙特卡洛（MCMC）方法，从 21-cm 信号进行参数推断主要局限于球面平均功率谱（1D PS）。然而，近年来，基于仿真的推断（SBI）变得可行，它消除了拥有解析似然函数的必要性，使得能够使用 21-cm 信号的更复杂汇总统计量进行贝叶斯推断。在本工作中，我们使用 SBI，具体来说是使用 Swyft 的边缘神经比率估计来学习似然与证据比率，以探索使用柱面平均 2D PS 进行参数推断。由于 21-cm 信号是各向异性的，与各向同性平均信号的 1D PS 相比，2D PS 应该能提供更具约束力的信息。为此，我们考虑了使用 SKA 对 21-cm 信号的模拟 1000 小时观测，并比较了 2D PS 相对于 1D PS 的性能。此外，我们探索了两种独立的前景缓解策略：完美前景去除和楔形规避。我们发现，无论采用何种前景缓解策略，2D PS 都优于 1D PS，将单个天体物理参数的边缘化不确定性降低了高达约 30-40%。这些改进主要源于 2D PS 能够区分横向 $k_{\perp}$ 和依赖于红移的 $k_{\parallel}$ 信息，从而对复杂的再电离形态具有更高的敏感性。