站在边缘：测试参数空间边缘处的紧凑人口特征

许多天体物理人口研究涉及存在于有界域内的参数，例如黑洞的维度性自旋或行星轨道的偏心率，这些参数均受限于[0, 1]。在此类情景下，我们常希望测试聚集在边界附近的分布，例如消失的自旋或轨道偏心率。常规方法——无论是基于蒙特卡罗、核密度估计器还是机器学习技术——在边界处常常受到偏差。这些偏差源于边缘处稀疏抽样、核相关的平滑化，或由域转换引入的副产物。我们引入一种截断高斯混合模型框架，显著缓解了这些问题，使对狭窄、边缘主导人口特征的推断更为准确。虽然该方法具有广泛的天文学应用前景，但我们以引力波目录作为具体实例来展示其效用。特别是，我们维持了对GWTC-3目录中零自旋二体黑洞系统比例约束的一致性——这些结果最初通过对目录中 individual 事件进行专门重新分析后得出，计算成本较高。我们的方法能够以更低的计算成本实现类似可靠的结果。该方法已在开源软件包 gravpop 和 truncatedgaussianmixtures 中公开提供。