SimSIMS：基于模拟的含数千潜变量的Ia型超新星模型选择
宇宙学与河外天体物理
2023-11-28 v1 天体物理仪器与方法
摘要
我们提出了一种基于模拟的神经分类应用于SN Ia（Ia型超新星）分析的严谨贝叶斯模型比较方法。我们在真实模拟的SN Ia光变曲线数据上验证了该方法，证明其能在对超过4000个潜变量边缘化的情况下恢复后验模型概率。我们技术的摊销（amortized）特性使我们能够探索贝叶斯因子对模拟数据真实参数的依赖关系，展示了嵌套模型的奥卡姆剃刀效应。当应用于来自卡内基超新星项目的86个低红移SNae Ia样本时，我们的方法偏好一个具有单一尘埃定律且无随宿主质量的大小阶跃的模型，以超过100:1的优势比排斥低质量与高质量宿主采用不同尘埃定律的模型。
引用
@article{arxiv.2311.15650,
title = {SimSIMS: Simulation-based Supernova Ia Model Selection with thousands of latent variables},
author = {Konstantin Karchev and Roberto Trotta and Christoph Weniger},
journal= {arXiv preprint arXiv:2311.15650},
year = {2023}
}
备注
Accepted for the NeurIPS 2023 workshop Machine Learning and the Physical Sciences; 5 pages, 3 figures