KiDS-1000 宇宙学：利用 COSMOPOWER 机器学习加速对相互作用暗能量的约束

我们从千度巡天（Kilo-Degree Survey）公开的约 1000 平方度宇宙剪切测量数据和 $\it{Planck}$ 2018 宇宙微波背景数据中，推导了对一个具有纯动量交换的耦合精质模型的约束。我们将该模型与 $\Lambda$CDM 进行比较，发现相似的 $\chi^2$ 和对数证据值。我们通过从神经网络模拟器 COSMOPOWER 获取宇宙学功率谱来加速参数估计。我们强调了此类基于模拟器的方法对于减少未来类似分析（尤其是第四阶段巡天）的计算运行时间的必要性。作为一个例子，我们展示了针对类似 $\it{Euclid}$ 巡天的同一耦合精质模型的 MCMC 预测，揭示了耦合精质参数与重子反馈及内禀对齐参数之间的简并性，同时也突显了第四阶段巡天将获得的约束能力的巨大提升。使用 COSMOPOWER 在几小时内即可获得这些等高线图，而使用玻尔兹曼代码则需要数月。