LADDER：利用深度学习方法重访宇宙距离阶梯并探索其应用
宇宙学与河外天体物理
2024-07-29 v2 天体物理仪器与方法
机器学习
摘要
我们研究了利用一种名为LADDER（深度距离估计与重建学习算法）的新型深度学习框架重建宇宙“距离阶梯”的前景。LADDER基于Pantheon Ia型超新星汇编的视星等数据进行训练，并纳入数据点间的完整协方差信息，以产生预测及相应误差。在利用多种深度学习模型进行多项验证测试后，我们选择LADDER作为性能最佳的模型。随后，我们展示了该方法在宇宙学背景下的应用，包括作为模型无关工具对其他数据集（如重子声学振荡）进行一致性检验、校准高红移数据集（如伽马射线暴），以及作为模型无关的模拟星表生成器用于未来探测。我们的分析主张在宇宙学背景下应用机器学习技术时需审慎考量。
引用
@article{arxiv.2401.17029,
title = {LADDER: Revisiting the Cosmic Distance Ladder with Deep Learning Approaches and Exploring its Applications},
author = {Rahul Shah and Soumadeep Saha and Purba Mukherjee and Utpal Garain and Supratik Pal},
journal= {arXiv preprint arXiv:2401.17029},
year = {2024}
}
备注
13 pages, 6 sets of figures, 5 tables. To appear in the Astrophys. J. Suppl. Ser. Code available at https://github.com/rahulshah1397/LADDER