用神经网络替代高斯过程进行脉冲星计时阵列引力波背景推断
宇宙学与河外天体物理
2026-04-16 v2 数据分析、统计与概率
摘要
脉冲星计时阵列分析中对纳赫兹引力波背景模型的贝叶斯推断通常依赖高斯过程插值器，以避免重复进行计算昂贵的应变谱计算。然而，高斯过程训练成为大规模训练集的瓶颈。我们测试概率神经网络是否可以替代高斯过程扮演这一角色，分别针对自相互作用暗物质模型和现象学环境模型。我们发现神经网络恢复了与之一致的后验分布，同时显著减少了训练时间和马尔可夫链蒙特卡洛运行时间，对于计算需求更高的模型收益最大。
引用
@article{arxiv.2604.04340,
title = {Replacing Gaussian Processes with Neural Networks in Pulsar Timing Array Inference of the Gravitational-Wave Background},
author = {Shreyas Tiruvaskar and Chris Gordon},
journal= {arXiv preprint arXiv:2604.04340},
year = {2026}
}
备注
14 pages, 9 figures, minor additions, conclusions unchanged