来自黑箱星系巡天的原初功率谱与宇宙学

我们提出了一种新颖的、无似然方法，用于从星系巡天的任意复杂正向模型中推断原初物质功率谱和宇宙学参数，其中所有相关统计量均可由数值模拟（即黑箱）确定。我们的方法称为用于无似然推断的模拟器展开（SELFI），它建立在采用一种新颖有效似然的近似贝叶斯计算之上，并建立在黑箱模型围绕展开点的线性化之上。因此，我们获得了用于原初功率谱有效后验的简单“滤波方程”，以及一种直接的宇宙学参数推断方案。我们证明了该工作负载在计算上可处理、先验固定且完全并行。作为概念验证，我们将我们的框架应用于一个现实的合成星系巡天，其数据模型考虑了物理结构形成以及不完整且有噪声的星系观测。在此过程中，我们表明非线性数值模型的使用使得星系功率谱可安全地拟合至至少 $k_\mathrm{max} = 0.5$ $h$/Mpc，在所使用模数上比最先进的反向建模技术高出约 $\sim 5$ 倍。结果是在所考虑的全部尺度上对原初物质功率谱的无偏推断，包括对重子声学振荡的高保真重建。这转化为对宇宙学参数的无偏且稳健的推断。我们的结果为在宇宙学中轻松应用无似然基于模拟的推断铺平了道路。我们已将我们的代码 pySELFI 和我们的数据产品公开于 http://pyselfi.florent-leclercq.eu。