X 射线星系团巡天的宇宙学分析：VI. 基于解析模拟可观测图的推断

星系团在质量和红移上的数密度已被确立为一种强大的宇宙学探针。利用星系团进行宇宙学分析通常采用标度关系。然而，这种方法面临诸多挑战，因为标度关系高度弥散、可能校准不佳、依赖于宇宙学，并且包含许多物理意义较低的冗余参数。在本文中，我们使用一种基于模拟的推断方法，利用人工神经网络，仅通过计数率（CR）、硬度比（HR）和红移，从星系团的浅层 X 射线巡天中最佳地提取宇宙学信息。此过程使我们能够对宇宙学参数 $\Omega_{\mathrm{m}}$ 和 $\sigma_8$ 进行无似然推断。我们基于宇宙学和标度关系参数的完全随机组合，在多个红移区间内解析地生成星系团在 CR、HR 空间中的分布模拟。我们训练卷积神经网络（CNN）从这些模拟中检索宇宙学参数。然后，我们使用神经密度估计（NDE）神经网络，在给定输入星系团样本的情况下，预测 $\Omega_{\mathrm{m}}$ 和 $\sigma_8$ 的后验概率分布。我们的密度估计器在其中一个目标测试模拟上的 1 $\sigma$ 误差为：1000 平方度：$\Omega_{\mathrm{m}}$ 为 15.2%，$\sigma_8$ 为 10.0%；10000 平方度：$\Omega_{\mathrm{m}}$ 为 9.6%，$\sigma_8$ 为 5.6%。我们还将结果与 Fisher 分析进行了比较。作为概念验证，我们证明，无需显式计算星系团质量，甚至无需标度关系系数，即可从星系团群体计算出 $\Omega_{\mathrm{m}}$ 和 $\sigma_8$ 的宇宙学预测，从而避免了由此类程序可能产生的偏差。[节略]