立体声的斯托罗宾：SKA-CMB 联动在基于模拟的推断中的应用

现代机器学习技术可以解锁 Square Kilometre Array (SKA) 观测中编码的广泛宇宙信息。我们展示，来自重化时代的体积化 21 cm 数据可 yield 对 inflationary 模型进行严格的测试——此处以 Starobinsky $R+R^2$ 增 Inflation 进行说明。使用基于模拟的推断 (SBI) 框架，我们比较神经概括 (卷积网络和视觉转换器) 与传统功率谱概括，并对 21 cm 数据与 cosmic microwave background (CMB) 数据进行完全的联合 SBI 分析。基于真实模拟观测的预测表明，SKA alone 将实现与 Planck 相当的约束，而结合 SKA + CMB 数据集将大幅 tighten 了 inflationary 和 $\Lambda\mathrm{CDM}$ 参数的界限，同时提高了关键天体物理量的精度。