用于天文图像中源探测与去混叠的可扩展贝叶斯推断
天体物理仪器与方法
2022-07-13 v1 应用统计
机器学习
摘要
我们提出一种用于探测、去混叠与编目天文源的新概率方法，称为贝叶斯光源分离器（BLISS）。BLISS 基于深度生成模型，将神经网络嵌入贝叶斯模型之中。对于后验推断，BLISS 使用一种称为前向摊销变分推断（Forward Amortized Variational Inference）的新变分推断形式。BLISS 推断过程快速，一旦编码器网络训练完成，在 GPU 上仅需对编码器网络进行一次前向传播。BLISS 可在数秒内对百万像素图像进行完全贝叶斯推断，并生成高精度星表。BLISS 具有高度可扩展性，除生成概率星表外，还有潜力直接回答下游科学问题。
引用
@article{arxiv.2207.05642,
title = {Scalable Bayesian Inference for Detection and Deblending in Astronomical Images},
author = {Derek Hansen and Ismael Mendoza and Runjing Liu and Ziteng Pang and Zhe Zhao and Camille Avestruz and Jeffrey Regier},
journal= {arXiv preprint arXiv:2207.05642},
year = {2022}
}
备注
Accepted to the ICML 2022 Workshop on Machine Learning for Astrophysics. 5 pages, 2 figures