利用神经似然比估计从强引力透镜观测推断子晕有效密度斜率
宇宙学与河外天体物理
2022-11-08 v2 星系天体物理
机器学习
高能物理 - 唯象学
摘要
强引力透镜已成为在亚星系尺度上探测暗物质模型的一种有前景的方法。近期工作提出了子晕有效密度斜率作为比常用子晕质量函数更可靠的观测量。子晕有效密度斜率是一种不依赖于底层密度轮廓假设的测量，并且可通过传统采样方法对单个子晕进行推断。为超越单个子晕测量，我们利用机器学习的最新进展，引入神经似然比估计器来推断子晕群体的有效密度斜率。我们证明，我们的方法能够利用多个子晕（在多个图像内部及之间）的统计能力，以区分不同子晕群体的特征。神经似然比估计器相对于传统采样所保证的计算效率，使得对暗物质扰动体的统计研究成为可能，并且在我们预期即将到来的巡天会带来大量强透镜系统时尤为有用。
引用
@article{arxiv.2208.13796,
title = {Inferring subhalo effective density slopes from strong lensing observations with neural likelihood-ratio estimation},
author = {Gemma Zhang and Siddharth Mishra-Sharma and Cora Dvorkin},
journal= {arXiv preprint arXiv:2208.13796},
year = {2022}
}
备注
11 pages, 5 figures; matches the published version with a corrected plot, conclusions unchanged