为模型选择目标优化未来暗能量巡天
宇宙学与河外天体物理
2015-06-03 v1
摘要
我们展示了一种优化未来暗能量巡天回答模型选择问题能力的方法，例如“加速是由宇宙学常数还是动力学暗能量模型引起的？”。利用贝叶斯因子定义了模型选择品质因数，并通过蒙特卡洛方法在设计参数空间上优化巡天。作为一个具体例子，我们将我们的方法应用于通用的多光纤重子声学振荡光谱巡天，与为 SuMIRe PFS 提议的巡天相当，并给出了基于 Savage-Dickey 密度比的实现，该实现既精确又便于在优化中使用。结果表明，虽然使用模型选择得到的最优巡天与使用暗能量任务组 (DETF) 品质因数找到的巡天一致，但它们提供了更明智的巡天配置灵活性和性能的绝对尺度；例如，我们发现某些巡天配置具有接近最优的模型选择性能，尽管其相应的 DETF 品质因数仅为其最大值的 50%。这种贝叶斯因子方法使我们能够解释对于手头任务足够好的巡天配置，这在想要增加额外科学目标以及处理同一项目中的时间限制或多个探针时尤为重要。
引用
@article{arxiv.1111.1870,
title = {Optimizing future dark energy surveys for model selection goals},
author = {Catherine Watkinson and Andrew R. Liddle and Pia Mukherjee and David Parkinson},
journal= {arXiv preprint arXiv:1111.1870},
year = {2015}
}
备注
12 pages, 16 figures