基于 BOSS 数据的 FreePower 方法的自由度量：展开率与增长率
机器学习
2024-06-24 v1 人工智能
摘要
本工作对 BOSS galaxy clustering 数据进行数据分析，使用最近提出的 FreePower 方法，将 power spectrum band-powers、展开率和增长率作为参数，而非特定 cosmological 参数化。该方法依赖于 Alcock-Paczynski 效应和红移空间失真，利用对偏离源的一阶扰动理论。如此，我们首次对线性增长率、哈勃参数以及无量纲距离 以及各种偏函数进行约束，这些约束独立于 power spectrum shape 的模型，因而独立于早期和晚期 cosmological 模型。我们使用 weakly-informative 先验，基本要求 于 95% 置信区间。我们在 处找到 ，，；在 处找到 ，，。我们发现低于来自 Planck 2018 CDM 结果的 结果，在 low- (high-) 的置信水平为 1.7 (2.1)。这些结果构成了 FreePower 方法的 proof-of-principle。我们也对偏参数进行了约束，这些约束与来自前 BOSS 分析的约束一致，这作为我们管道的交叉检查。
引用
@article{arxiv.2406.15346,
title = {Privacy Preserved Blood Glucose Level Cross-Prediction: An Asynchronous Decentralized Federated Learning Approach},
author = {Chengzhe Piao and Taiyu Zhu and Yu Wang and Stephanie E Baldeweg and Paul Taylor and Pantelis Georgiou and Jiahao Sun and Jun Wang and Kezhi Li},
journal= {arXiv preprint arXiv:2406.15346},
year = {2024}
}