返回
Trust the process: mapping data-driven reconstructions to informed models using stochastic processes
DOI:10.1088/1475-7516/2025/12/031.png)
摘要
En 中文
引力波天文学已经进入了一个能够提取观测双黑洞种群属性信息的阶段。检测数量的急剧增加将提供更深入的认识,但同时也会显著提高测试多种模型的计算成本。为应对这一挑战,我们提出了一种程序,首先进行对基础分布的非参数(数据驱动)重建,然后将这些结果重新映射到参数化(有信息指导)模型参数的后验分布上。这样做,无需针对每个可用模型进行完整的层次分析,非参数重建结果可以高效地重新映射到每个不同模型的后验分布上。除了得到模型参数的后验分布外,该方法还提供了模型拟合优度的度量,为不同模型间的定量比较开辟了新的途径。
期刊
IF:
5.9
论文数:
1.3W
被引数:
4.7W
机构
引用论文
Deep learning and Bayesian inference of gravitational-wave populations: Hierarchical black-hole mergers引力波种群的深度学习和贝叶斯推断: 分层黑洞合并
Rapid inference and comparison of gravitational-wave population models with neural variational posteriors基于神经变分后验的引力波人群模型快速推断与比较

