面向重力波人口模型的神经变分后验快速推断与比较
天体物理仪器与方法
2025-06-30 v3 高能天体物理现象
广义相对论与量子宇宙学
摘要
LIGO-Virgo-KAGRA 目录已被分析得非常多样的人口模型，以due to理论上对重力波源形成方式的不确定性。为加速模型探索，我们引入了一种高效且准确的变分贝叶斯方法，该方法利用正规化流学习人口后验，作为现有抽样器的即插即用替换品。通过硬件加速，针对当前黑洞合并样本的推断仅需数秒即可完成，并且轻松扩展到更大的目录。训练好的后验提供任意数量的独立样本，具有确切概率密度，这与 established 随机抽样算法不同，同时需要最多三个数量级更少的似然评估，仅需 O(10^3) 次。只要后验支持被覆盖，就可以通过平滑重要抽样来解决差异，该方法还为变分近似的良好拟合度指标提供了量化，同时也为贝叶斯模型选择提供了证据估计。神经变分推断从而实现了人口模型的交互式开发、分析和比较，使其成为解释当前和未来重力波观测的有用工具。
引用
@article{arxiv.2504.07197,
title = {Rapid inference and comparison of gravitational-wave population models with neural variational posteriors},
author = {Matthew Mould and Noah E. Wolfe and Salvatore Vitale},
journal= {arXiv preprint arXiv:2504.07197},
year = {2025}
}