×
T·卢卡斯·马基宁;汤姆·查诺克;贾斯汀·阿尔辛;本杰明·旺德尔特。

宇宙场的无损、可扩展隐式似然推断。 （英文） Zbl 1487.83068号

J.Cosmol公司。Astropart。物理学。 2021年，第11期，第49号论文，22页（2021年）; 勘误表同上，2023年，第4号，论文编号E02，第4页（2023年）。

引用于1审查
引用于4文件

MSC公司：

83元56角 暗物质和暗能量
83个F05 相对论宇宙学
83C25个 广义相对论和引力理论中的近似程序、弱场
83-10 相对论和引力理论相关问题的数学建模或模拟
68T07型 人工神经网络与深度学习
62J10型 方差和协方差分析（ANOVA）

关键词：

来自LSS的宇宙学参数;宇宙学模拟;暗物质模拟;功率谱

软件：

主持人;开胃-v4;亚当
PDF格式BibTeX公司 XML格式引用
\textit{T.L.Makinen}等人，J.Cosmol。Astropart。物理学。2021年，第11期，第49号论文，22页（2021年；Zbl 1487.83068）
全文： 内政部 arXiv公司

参考文献：

[1] 马克斯·特格马克；安迪·泰勒（Andy N.Taylor）。；Heavens，Alan F.，《宇宙学中的Karhunen-Loeve特征值问题：我们应该如何处理大数据集？》？，天体物理学。J.，480，22（1997）·数字对象标识代码：10.1086/303939
[2] 贾斯汀·阿尔辛；Wandelt，Benjamin D.，广义大规模最优数据压缩，Mon。不是。罗伊。阿童木。Soc.，476，L60-L64（2018）·doi:10.1093/mnrasl/sly029
[3] 安迪·康诺利（Andy J.Connolly）。；Szalay，A.S。；医学硕士Bershady。；Kinney，A.L。；Calzetti，D.，《星系光谱分类：正交法》，Astron。J.，110，1071-1082（1995）·doi:10.1086/117587
[4] P.J.Francis、P.C.Hewett、C.B.Foltz和F.H.Chaffee，QSO光谱的客观分类方案，天体物理学。J.398（1992）476·doi:10.1086/171870
[5] 天啊，艾伦·F。；Sellentin，埃琳娜；德米约拉，达米恩；Vianello，Alvise，参数相关协方差矩阵的海量数据压缩，Mon。不是。罗伊。阿童木。Soc.，472，4244-4250（2017）·doi:10.1093/mnras/stx2326
[6] EUCLID合作；Laureijs，R.，《欧几里德定义研究报告》（2011年）
[7] LSST暗能量科学合作；亚历山德拉·阿巴特（Alexandra Abate），《大型天气观测望远镜：暗能量科学合作》（2012）
[8] Weltman，A.，《平方公里阵列基础物理》，Publ。阿童木。南澳大利亚州。，37，e002（2020）·doi:10.1017/pasa.2019.42
[9] 何思玉；李、尹；冯瑜；何雪莉；拉文巴赫什（Ravanbakhsh）、锡亚马克（Siamak）；Chen，Wei，学习预测宇宙学结构的形成，Proc。美国国家科学院。科学。，116, 13825-13832 (2019) ·Zbl 1431.83191号 ·doi:10.1073/编号1821458166
[10] 拉马纳（Ramanah）、杜格什·科迪（Doogesh Kodi）；汤姆·查诺克（Tom Charnock）；Villaescusa-Navarro，Francisco；Wandelt，Benjamin D.，《使用深层物理模型进行宇宙学模拟的超分辨率模拟器》，孟买。不是。罗伊。阿童木。Soc.，4954227（2020年）·doi:10.1093/mnras/staa142
[11] 本杰明·莫斯特。；托尔斯滕·纳布；Lindström，Magnus；约瑟夫·奥利里（Joseph A.O’Leary），《GalaxyNet：用深层神经网络连接星系和暗物质晕以及大量强化学习》，周一。不是。罗伊。阿童木。社会，507，2115-2136（2021）·doi:10.1093/mnras/stab1449
[12] 阿尔夫·德·奥利维拉（Alves de Oliveira），雷南（Renan）；李、尹；Villaescusa-Navarro，Francisco；何雪莉；Spergel，David N.，深度学习对宇宙的快速准确非线性预测（2020）
[13] Makinen，T.Lucas；拉克兰·兰卡斯特；Villaescusa-Navarro，Francisco；彼得·梅尔基奥（Peter Melchior）；何雪莉；Perreault-Levasseur，Laurence，deep21:21厘米前景移除的深度学习方法，JCAP，04（2021）·doi:10.1088/1475-7516/2021/04/081
[14] 尼尔·杰弗里；Wandelt，Benjamin D.，《解决高维参数推断：边缘后验密度和矩网络》（2020）
[15] 朱塞佩·普格利西；Bai，Xiran，使用卷积神经网络绘制银河前景强度和偏振图，天体物理学。J.，905，143（2020）·doi:10.3847/1538-4357/abc47c
[16] 马修·彼得罗夫（Matthew A.Petroff）。；格雷姆·艾迪生（Graeme E.Addison）。；Charles L.Bennett。；Weiland，Janet L.，使用机器学习的全天候宇宙微波背景前景清洁，天体物理学。J.，903104（2020）·doi:10.3847/1538-4357/abb9a7
[17] 米歇尔·恩坦帕卡，《机器学习在未来十年宇宙学中的作用》（2019）
[18] 汤姆·查诺克（Tom Charnock）；拉沃，Guilhem；Wandelt，Benjamin D.，《利用信息最大化神经网络进行自动物理推理》，Phys。版次D，97（2018）·doi:10.1103/PhysRevD.97.083004
[19] F.Livet、T.Charnock、D.L.Borgne和V.de Lapparent，深度图像中星系类型的无目录建模：使用神经网络进行大规模降维，2102.01086。
[20] 潘树阳；刘妙新；福尔罗·罗梅罗，詹姆；克里斯蒂亚诺·萨比乌。；李志刚；苗海涛，大规模结构深度学习中的宇宙学参数估计，科学。中国物理。机械。阿童木。，63 (2020) ·doi:10.1007/s11433-020-1586-3
[21] 拉文巴赫什（Ravanbakhsh）、锡亚马克（Siamak）；朱尼尔·奥利瓦（Junier Oliva）；塞巴斯蒂安·弗洛门托；普莱斯（Layne C.）。；何雪莉；Schneider，Jeff，从暗物质分布估计宇宙学参数（2017）
[22] Kwon、Yungi；Hong，Sungwook E。；Park，Inkyu，《再电离时代21厘米温差亮度的深度学习研究》，《韩国物理学杂志》。Soc.，77，49-59（2020年）·doi:10.3938/jkps.77.49
[23] Prelogović，David；安德烈·梅辛格（Andrei Mesinger）；史蒂文·默里（Steven Murray）；朱塞佩·菲亚梅尼；Gillet，Nicolas，《从21厘米光锥中机器学习星系属性：网络架构和信号污染的影响》（2021年）
[24] Janis Fluri；托马斯·卡普扎克（Tomasz Kacprzak）；奥雷连·卢奇；亚历山大·弗里杰尔（Alexandre Refregier）；亚当·阿马拉（Adam Amara）；托马斯·霍夫曼（Thomas Hofmann），《深入学习KiDS-450弱透镜映射的宇宙学约束》（Cosmology constraints with deep learning from KiDS-450weak lensing maps），《物理学》（Phys。D版，100（2019年）·doi:10.10103/物理版本100.063514
[25] Janis Fluri；托马斯·卡普扎克（Tomasz Kacprzak）；亚历山大·弗里杰尔（Alexandre Refregier）；亚当·阿玛拉；奥雷连·卢奇；托马斯·霍夫曼（Thomas Hofmann），通过深度学习从含噪收敛图中获得的宇宙学约束，物理学。D版，98（2018）·doi:10.1103/PhysRevD.98.123518
[26] 佐里拉·马蒂拉（Zorrilla Matilla），何塞·曼纽尔（JoséManuel）；马纳西沙尔马；徐，Daniel；Zoltán Haiman，解释弱透镜的深度学习模型，Phys。D版，102（2020）·doi:10.1103/PhysRevD.102.123506
[27] 德兹·里布利；巴林·阿尔敏·巴塔基；Csabai，István，深度学习激励下的改进宇宙学参数推断方案，《自然·天文》。，3, 93-98 (2019) ·doi:10.1038/s41550-018-0596-8
[28] 尼古拉·吉列（Nicolas Gillet）；安德烈·梅辛格（Andrei Mesinger）；布莱德利·格雷格（Bradley Greig）；Liu，Adrian；Ucci，Graziano，《从宇宙黎明和再电离的21厘米断层扫描中进行深度学习》，周一。不是。罗伊。阿童木。Soc.，484，282-293（2019年）·doi:10.1093/mnras/stz010
[29] Villaescusa-Navarro，Francisco；本杰明·旺德尔特（Benjamin D.Wandelt）。；Daniel Angles-Alcazar；将军，害羞；曼蒂拉（Mantilla）、何塞·曼努埃尔·佐里拉（Jose Manuel Zorrilla）；Ho，Shirley，神经网络作为最佳估计器，将重子效应边缘化（2020年）
[30] 普朗克合作；Ade，P.A.R.，普朗克2013年结果。三十一、。普朗克数据的一致性，Astron。天体物理学。，571，A31（2014）·doi:10.1051/0004-6361/201423743
[31] C.Grazian和Y.Fan，通过密度估计的近似贝叶斯计算方法综述：模拟器模型的推断，Wiley Interdiscip。版次计算。统计数字12（2020）e1486。
[32] 克兰默（Kyle Cranmer）；约翰·布雷默（Johann Brehmer）；Louppe，Gilles，基于模拟推理的前沿，Proc。美国国家科学院。科学。，117, 30055-30062 (2020) ·Zbl 1461.62043号 ·doi:10.1073/美国国家统计局.1912789117
[33] H.Cramér，《统计的数学方法》，普林斯顿数学系列43，普林斯顿大学出版社，美国新泽西州普林斯顿（1946）·Zbl 0063.01014号 ·doi:10.1515/9781400883868
[34] C.R.Rao，统计参数估计中可达到的信息和准确性，Bull。加尔各答数学。Soc.37（1945）81·Zbl 0063.06420号
[35] 天啊，艾伦·F。；劳尔·希梅内兹（Raul Jimenez）；Lahav，Ofer，《来自星系光谱的海量无损数据压缩和多参数估计》，Mon。不是。罗伊。阿童木。《社会学杂志》，317965（2000）·doi:10.1046/j.1365-8711.2000.03692.x
[36] G.Kitagawa，Monte Carlo滤波器和非高斯非线性状态空间模型的平滑器，J.Compute。图表。《法令》第5卷（1996年）1。
[37] 贾斯汀·阿尔辛；汤姆·查诺克（Tom Charnock）；斯蒂芬·费尼（Stephen Feeney）；Wandelt，Benjamin D.，《具有神经密度估计器和主动学习的快速无蹄宇宙学》，孟买。不是。罗伊。阿童木。Soc.，488，4440-4458（2019年）·doi:10.1093/mnras/stz1960年
[38] G.Papamakarios、T.Pavlakou和I.Murray，用于密度估计的掩蔽自回归流，《神经信息处理系统进展》。第30卷，I.Guyon等人编辑，Curran Associates，Inc.（2017年）和在线pdf版本https://proceedings.neurips.cc/paper/2017/file/6c1da886822c67822bcf3679d04369fa-paper.pdf。
[39] G.Papamakarios、D.C.Sterrat和I.Murray，《序列神经似然：具有自回归流的快速似然推理》，1805.07226。
[40] S.Dodelson，《现代宇宙学》，学术出版社，荷兰阿姆斯特丹（2003）[ISBN:0-12-19141-2]。
[41] C.Szegedy、S.Ioffe、V.Vanhoucke和A.Alemi，Inception-v4，Inception-resnet和剩余联系对学习的影响，1602.07261。
[42] Kingma，Diederik P。；Ba，Jimmy，Adam：一种随机优化方法（2014）
[43] 彼得·科尔斯（Peter Coles）；Jones，Bernard，宇宙质量分布的对数正态模型，Mon。不是。罗伊。阿童木。《社会学杂志》，2481-13（1991）
[44] 佛罗伦萨勒克莱尔；阿兰·海文斯（Alan F.Heavens），《宇宙学中相关函数和场级推论的准确性和精确性》，孟买。不是。罗伊。阿童木。社会，506，L85-L90（2021）·doi:10.1093/mnrasl/slab081
[45] 马克西姆·格雷纳；Enßlin，T.A.，对数变换物质功率谱，阿童木。天体物理学。，574，A86（2015）·doi:10.1051/0004-6361/201323181
[46] 丹尼尔·艾森斯坦（Daniel J.Eisenstein）。；胡，韦恩，冷暗物质及其变体的功率谱，天体物理学。J.，511，5（1997）·数字对象标识代码：10.1086/306640
[47] S.Casas和F.Lanusse，jax-compose，（2020年）。
[48] 普朗克合作；Ade，P.A.R.，普朗克2015年结果。十三、。宇宙学参数，阿童木。天体物理学。，594，A13（2016）·doi:10.1051/0004-6361/201525830
[49] B.Lakshminarayanan、A.Pritzel和C.Blundell，使用深度集成进行简单且可扩展的预测不确定性估计，《神经信息处理系统进展》。第30卷，I.Guyon等人编辑，Curran Associates，Inc.（2017），第6402-6413页。
[50] 丹尼尔·马基领班；大卫·W·霍格（David W.Hogg）。；朗，达斯汀；乔纳森·古德曼，主持人：MCMC Hammer，Publ。阿童木。Soc.Pac.公司。，125, 306-312 (2013) ·doi:10.1086/670067
[51] 詹斯·雅什（Jasche，Jens）；Wandelt，Benjamin D.，《大规模结构调查初始条件的贝叶斯物理重建》，孟买。不是。罗伊。阿童木。Soc.，432894（2013）·doi:10.1093/mnras/stt449
[52] 詹森·雅许；佛罗伦萨勒克莱尔；Wandelt，Benjamin D.，SDSS DR7主样本中的过去和现在宇宙结构，JCAP，01（2015）·doi:10.1088/1475-7516/2015/01/036
[53] 吉勒亨·拉沃；Jasche，Jens，《揭开蒙面宇宙：通过贝叶斯眼睛的2M++目录》，周一。不是。罗伊。阿童木。Soc.，4553169-3179（2016）·doi:10.1093/mnras/stv2499
[54] 詹斯·雅什（Jasche，Jens）；Lavaux，Guilhem，非线性物质分布的物理贝叶斯模型：对附近宇宙的新见解，Astron。天体物理学。，625，A64（2019）·doi:10.1051/0004-6361/201833710
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。