基于神经网络选择修正的强引力透镜总体层面推断
天体物理仪器与方法
2022-07-12 v1 宇宙学与河外天体物理
摘要
新一代巡天准备在未来几年提供前所未有的数据量，其中包含数十万个新的强透镜系统。卷积神经网络目前是唯一能够处理海量数据以发现并推断单个系统参数的 SOTA 方法。然而，许多涉及强透镜的重要测量需要对这些系统进行总体层面推断。在这项工作中，我们提出一种层次化推断框架，该框架利用单个透镜系统的推断结果与选择函数相结合来估计总体层面参数。特别地，我们展示了用神经网络分类器对基于 CNN 的透镜寻找器的选择函数进行建模是可行的，从而无需昂贵的蒙特卡洛模拟即可实现总体层面参数的快速推断。
引用
@article{arxiv.2207.04123,
title = {Population-Level Inference of Strong Gravitational Lenses with Neural Network-Based Selection Correction},
author = {Ronan Legin and Connor Stone and Yashar Hezaveh and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2207.04123},
year = {2022}
}
备注
8 pages, 5 figures, accepted at the ICML 2022 Workshop on Machine Learning for Astrophysics