SBI++：为天文应用定制的灵活超快无似然推断
天体物理仪器与方法
2023-10-03 v2 星系天体物理
摘要
瞄准跨越宇宙时间的 个星系的旗舰级近未来巡天即将以前所未有的分辨率揭示星系组装过程。这给全数据集的有效分析带来了紧迫的计算挑战。借助基于仿真的推断（simulation-based inference, SBI），有可能以传统方法的精度获得复杂后验分布，但速度提升 倍。然而，它存在一个主要局限。标准 SBI 要求模拟数据具有与观测数据相同的特征，而在天文巡天中，由于覆盖不均匀和/或天空与望远镜条件的波动，这一点常被违背。在本工作中，我们提出一套完整的基于 SBI 的方法“SBI”，用于处理分布外测量误差与缺失数据。我们表明，分布外误差可通过标准 SBI 评估来近似，而缺失数据可通过在训练集中邻近数据实现上的 SBI 评估进行边际化。除验证集外，我们将 SBI 应用于詹姆斯·韦伯空间望远镜所获河外图像中识别出的星系，并表明 SBI 推断测光红移的精度至少与传统采样方法相当，且关键地优于使用具有广泛观测误差训练数据的原始 SBI 算法。SBI 对处于观测训练集分布内的对象保留了约 1 秒的快速推断速度，并额外允许在约每对象 1 分钟的时间内对训练噪声与数据之外的参数进行推断。这一扩展区间对未来天文巡天应用具有广泛意义。
引用
@article{arxiv.2304.05281,
title = {SBI++: Flexible, Ultra-fast Likelihood-free Inference Customized for Astronomical Applications},
author = {Bingjie Wang and Joel Leja and V. Ashley Villar and Joshua S. Speagle},
journal= {arXiv preprint arXiv:2304.05281},
year = {2023}
}
备注
Accepted for publication in ApJL; 13 pages, 5 figures. Code and a Jupyter tutorial are made publicly available at https://github.com/wangbingjie/sbi_pp