超越功率谱利用天体测量透镜推断暗物质子结构

天体测量——对天体位置和运动的精确测量——已成为刻画银河系中暗物质群体的一种有前景的途径。通过利用基于模拟的推断与神经网络架构的最新进展，我们引入了一种在天体测量数据集中搜寻全局暗物质诱导引力透镜信号的新方法。我们基于神经似然比估计的方法，相较于基于两点相关统计的现有方法，对冷暗物质群体表现出显著增强的灵敏度，并对测量噪声具有更有利的标度关系。我们通过表明该方法对天体测量中预期的非平凡建模及未建模噪声特征均具有鲁棒性，论证了其现实可行性。这将机器学习确立为利用天体测量数据刻画暗物质的强有力工具。