宇宙学基于似然的推断的未来:加速高维参数估计和模型比较
原文中文,约800字,阅读约需2分钟。发表于: 。我们倡导一种新的宇宙学基于概率的推断范式,利用最近在机器学习及其底层技术中的发展,加速在高维环境中的贝叶斯推断。具体来说,我们结合了(i)模拟 —— 其中训练一个机器学习模型来模仿宇宙观测量,例如 CosmoPower-JAX;(ii)可导性和概率编程,例如 JAX 和 NumPyro;(iii)可伸缩的 MCMC...
本文介绍了一种基于概率的宇宙学推断范式,利用机器学习和概率编程等技术加速贝叶斯推断。作者通过模拟宇宙剪切分析和联合分析,展示了这种方法的应用,并与传统方法进行了比较。结果表明,这种范式能够在较短时间内完成贝叶斯分析,计算成本大大降低。