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。
