基于模拟的再电离参数推断：来自三维层析 21 cm 光锥图像 —— II：实心谐波小波散射变换的应用

关于星系际介质如何被天体物理源再电离的信息包含在来自再电离时期的层析三维 21 cm 图像中。在 Zhao 等人 (2022a)（“论文 I”）中，我们首次证明了密度估计无似然推断（DELFI）可高效应用于从 21 cm 图像对再电离参数进行贝叶斯推断。然而，三维图像数据需要被压缩为信息丰富的摘要作为 DELFI 的输入，例如论文 I 中训练的三维卷积神经网络（CNN）（DELFI-3D CNN）。本文中，我们引入另一种数据压缩器：实心谐波小波散射变换（WST），其具有与 CNN 相似但固定（即无需训练）的结构，但我们展示该方法（即结合 DELFI 的实心谐波 WST）在参数可信区域方面优于论文 I 中基于三维 21 cm 图像使用 DELFI-3D CNN 的早期分析。真实效应，包括热噪声与去除后的残留前景，也被应用于来自平方公里阵列（SKA）的模拟观测。我们展示在相同的 DELFI 推断策略下，采用实心谐波 WST 的 21 cm 图像分析优于 21 cm 功率谱分析。本研究作为概念验证，展示了利用 WST 与基于模拟的推断的优势从未来 21 cm 光锥图像数据获取见解的潜力。