利用三维层析21厘米光锥图像进行宇宙再电离的无似然模型选择
天体物理仪器与方法
2025-02-13 v1 宇宙学与河外天体物理
摘要
我们探索了无似然（即基于模拟的）贝叶斯模型选择，以量化再电离场景的模型比较分析。我们迭代地在四个基于21cmFAST模拟的玩具EoR模型上训练三维卷积神经网络（CNN），这些模型具有对比鲜明的形态，以获得21厘米光锥的摘要。在pyDelfi框架中，我们用MultiNest替换了Emcee采样器，以整合学习到的后验分布并生成贝叶斯证据。在所有情况下，我们都能可靠地区分用于生成模拟数据集的模型。然而，我们难以产生准确的outside-in再电离模型的后验分布。经过多种交叉验证和替代分析，我们讨论了总结与网络训练条件不完全一致的模型的灵活性，因为这应在CNN能够可靠地分析观测数据之前得到更广泛的审视。
引用
@article{arxiv.2502.08152,
title = {Likelihood-free Model Selection in Cosmic Reionization with Three-dimensional Tomographic 21 cm Lightcone Images},
author = {T. Binnie and Xiaosheng Zhao and J. R. Pritchard and Yi Mao},
journal= {arXiv preprint arXiv:2502.08152},
year = {2025}
}