基于仿真推断的射电脉冲星族群合成与一致性流量测量

整个中子星星族的性质可以通过对其从诞生至今的演化进行建模，即脉冲星星族合成来推断。这包括模拟一个虚拟星族，应用观测筛选条件，并将得到的源与已探测到的有限脉冲星子集进行比较。我们特别关注银河系孤立中子星的磁旋转性质，并通过将脉冲星星族合成与一种称为截断序列神经后验估计（TSNPE）的基于仿真的推断（SBI）技术相结合，为内禀射电光度定律提供了新的见解。我们采用TSNPE在模拟脉冲星星族上训练一个神经密度估计器，以近似底层参数的后验分布。该技术通过专注于最有可能匹配观测数据的区域来高效探索参数空间，从而显著减少了训练数据集的大小。我们证明了TSNPE相对于标准神经后验估计（NPE）的效率，仅使用NPE方法所需约4%的仿真就实现了与先前研究一致的射磁参数的稳健推断。此外，我们首次整合了来自MeerKAT上的千脉冲星阵列（TPA）计划的数据，这是迄今为止最大的、具有一致性流量测量的中子星统一样本，以帮助约束恒星的内禀射频光度。我们发现，将流量信息作为输入添加到神经网络中，极大地改善了对脉冲星射频光度的约束，同时也改善了对其他输入参数的估计。