基于 Lyman-α 森林自相关函数约束高赫兹 IGM 热态的神经网络模拟器

我们提出一种神经网络模拟器，用于从 Lyman-\alpha (Ly$\alpha$) 森林自相关函数约束 $z=5.4\le z\le 6.0$ 区间内星际介质 (IGM) 的热参数。我们的自可微 JAX-based 框架通过约 100 个稀疏采样的 Nyx 气动力学仿真（具有 varying 的热参数组合）加速了替代模型生成过程，即密度平均处的温度 $T_{0}$，温度-密度关系斜率 $\gamma$，以及平均传输通量 $\langle F \rangle$。我们展示，该模拟器在指定红移范围内具有典型精度为 1.0%。进一步使用 NumPyro Hamiltonian Monte Carlo 结合模拟器不确定性传播进行 IGM 热参数的贝叶斯推断。我们将本框架的推断结果和计算成本与应用于相同 mock Ly$\alpha$ 通量数据集的传统最近邻插值方法进行比较。通过检查使用模拟器获得的 $T_{0}$、$\gamma$ 和 $\langle F \rangle$ 的边缘后验分布的可信度轮廓，通过对 100 个真实模拟数据集的自相关函数进行推断，建立了测量的统计可靠性。