利用模拟基推理解锁21厘米宇宙学：一个面向初学者的神经比率估计用于天体物理参数推断
宇宙学与河外天体物理
2025-11-21 v3 星系天体物理
天体物理仪器与方法
摘要
中性氢的21厘米谱线是探测早期宇宙的一个有前景的工具，然而从其功率谱中提取天体物理参数仍然是一个重大挑战。我们提出了一个面向初学者的PyTorch流程，用于边际神经比率估计（MNRE），这是一种绕过显式似然函数的基于模拟的推理（SBI）方法。通过使用21cmFAST模拟，我们展示了MNRE可以直接从功率谱中恢复关键天体物理参数，例如电离效率ζ和X射线光度L_X。我们的实现优先考虑透明性和可访问性，为21厘米宇宙学领域的新研究人员提供了一个实用的切入点。
引用
@article{arxiv.2509.06834,
title = {Unlocking 21cm Cosmology with SBI: A Beginner friendly NRE for Inference of Astrophysical Parameters},
author = {Bisweswar Sen},
journal= {arXiv preprint arXiv:2509.06834},
year = {2025}
}
备注
This paper has a critical error in the definition of SBI. Even it states explicit use of SBI the paper is rudimentary and inconclusive. This paper was done as a part of undergraduate project so is immature