变分推断加速 BayeSN 类型 Ia 光度距离估计

类型 Ia 超新星（SNe Ia）是可标准化的烛光，其观测光度曲线可用于推断其距离，从而可用于宇宙学分析。随着当前和即将到来的调查对观测SNe Ia数量的增长， increasingly 可扩展的分析方法对于充分利用这些新数据集以精确估计宇宙参数至关重要。贝叶斯推断方法可用于具有稳健不确定性定量的光度曲线拟合，但使用马可可链蒙特卡洛（MCMC）进行传统后验抽样计算成本高昂。我们提出了一种变分推断（VI）实现，用于加速使用 BayeSN 层次贝叶斯模型进行 SNe Ia 光度曲线拟合，该模型用于时变SNe Ia 光谱能分布（SEDs）。我们在模拟光度曲线和来自 Foundation 超新星调查的数据上 demonstrate and 评估了其性能，采用两种不同的代理后验形式——多变量正态分布和自定义多变量零下限截断正态分布——并与拉普拉斯近似和完整MCMC分析进行比较。为了验证我们的变分近似，我们计算了帕累托平滑重要抽样（PSIS）诊断，并进行变分基于模拟的校准（VSBC）。VI近似虽然与MCMC类似，但在 photometric distance moduli 的推断中实现了数量级的加速。总体而言，我们表明VI是一种可扩展的参数推断方法，可用于分析更大的数据集以实现精密宇宙学。