Hierarchical Bayesian scheme for measuring the properties of dark energy with Strong gravitational lensing
为了了解我们的宇宙，目前的天空观测已经非常精确。勘测图提供的现象之一是引力效应。阿尔伯特·爱因斯坦（1936）首先基于他的广义相对论讨论了引力透镜效应的可能性，这可能会给我们一些关于宇宙学的信息。我们经常将这些效应按微透镜、弱透镜和强透镜类型分类。本文主要研究强引力透镜，特别是双源平面透镜系统。最近人们认识到，双透镜事件可以为我们提供另一种约束宇宙学参数的方法。为了大致了解“可以找到多少个这样的透镜事件”，我们建立了一个玩具模型，然后使用几个贝叶斯模型，以便对人工绘制的数据集进行统计分析。结果表明，双透镜实际上是约束宇宙学参数的有希望的对象。
2018-04-08 astro-ph.CO gr-qc
Bayesian approach to gravitational lens model selection: constraining H_0 with a selected sample of strong lenses
贝叶斯模型选择方法提供了一个自洽的概率框架来测试给定一组数据的竞争场景的有效性。我们提出了一个案例研究应用强引力透镜参数模型。我们的目标是选择一个均匀的透镜子样本适合宇宙学参数推断。为此，我们应用贝叶斯因子分析的合成目录的500个镜头与幂律的潜力和外部剪切。为了简单起见，我们专注于双像透镜（模拟样本中透镜的最大比例），并选择一个子样本，天体测量和时间延迟提供了一个简单的幂律模型描述的有力证据。通过似然分析，我们恢复的哈勃常数的输入值在3σ统计不确定性。我们将这种方法应用于一个双像透镜类星体的样本。在B1600+434、SBS 1520+530和SDSS J1650+4251的情况下，贝叶斯因子分析有利于具有高统计显著性的简单幂律模型描述。在平坦的\LambdaCDM宇宙学假设下，对这类系统的组合似然数据分析给出了忽略透镜模型参数、宇宙物质密度和观测误差在图像角位置上的一致传播后的哈勃常数H_0=76+15-5 km/s/Mpc。下一代宇宙结构巡天将提供更大的透镜数据集，这里描述的方法对于选择适用于执行无偏宇宙学参数推断的均匀透镜子样本特别有用
2013-02-12 astro-ph.CO
Bayesian delensing delight: sampling-based inference of the primordial CMB and gravitational lensing
在宇宙微波背景（CMB）中寻找原初引力波的工作很快就会受到我们去除$B$模式偏振的透镜污染的能力的限制。通常使用的二次估计透镜已知是次优的调查，目前正在运作，并将继续变得越来越不有效的仪器噪声降低。虽然原则上可以通过在更多频段进行观察来减轻前景，但去透镜化的进展完全取决于算法的进步。在这里，我们展示了一种新的推理方法，解决了这个问题的采样精确贝叶斯后验的任何所需的宇宙学参数，的引力透镜潜力，和delensed CMB地图，给定的透镜温度和偏振数据。我们使用模拟的CMB数据与非白噪声和高达650\，deg $^2$补丁的天空掩蔽验证的方法。这种方法的一个独特的优势是能够共同估计宇宙学参数，控制原始CMB和透镜势，这是我们在这里首次展示的张量标量比，$r$，和振幅的透镜势，$A_ϕ$。该方法使我们能够执行最精确的检查到目前为止的几个重要的近似CMB-S4 $r$预测的基础，我们确认这些产生正确的预期不确定性$r$优于10%。
2020-02-03 astro-ph.CO
Trans-Dimensional Bayesian Inference for Gravitational Lens Substructures
我们介绍了贝叶斯解决方案的问题时，透镜星系可能包含多个黑暗或微弱的子结构推断强引力透镜的密度分布。源和透镜模型基于未知数量的非负基函数（或“斑点”）的叠加，其形式以速度作为主要标准来选择。该方法分层地确定了二进制大对象属性的先验分布，因此子结构的质量函数是该方法的自然输出。我们使用扩散嵌套采样（DNS）中的可逆跳马尔可夫链蒙特卡罗（MCMC）对后验分布进行采样，并评估模型的边缘似然性，包括源和透镜中未知数量的斑点的总和。我们在两个模拟数据集上演示了该方法：一个具有单个子结构，另一个具有十个子结构。我们还将该方法应用到“宇宙马蹄铁”系统的g-波段图像，并找到了大于零的子结构的证据。然而，这些具有大的空间范围，并且可能仅指向模型中的错误指定（诸如平滑透镜组件的形状或点扩散函数），这难以完全一般性地防范。
2015-10-09 astro-ph.CO astro-ph.GA astro-ph.IM
Hierarchical Inference With Bayesian Neural Networks: An Application to Strong Gravitational Lensing
Kavli Institute for Particle Astrophysics and Cosmology（卡弗里粒子天体物理与宇宙学研究所）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
在过去的几年中，近似贝叶斯神经网络（BNN）已经证明了以前所未有的速度和规模在广泛的推理问题上产生统计一致的后验的能力。然而，当BNN应用于数据时，训练集和真实世界对象分布之间的任何断开都会引入偏差。这是天体物理学和宇宙学中的一个共同挑战，在这些领域，宇宙中未知的物体分布通常是科学的目标。在这项工作中，我们将BNN与灵活的后验参数化结合到一个分层推理框架中，该框架允许重建人口超参数并消除训练分布引入的偏差。我们专注于强引力透镜质量模型参数产生后PDF的挑战，给定哈勃太空望远镜（HST）质量单滤波器，透镜减去，合成成像数据。我们表明，后PDF是足够准确的（即，统计上与事实一致）。然后，我们将我们的方法应用于测试数据集，其透镜参数来自与训练集截然不同的分布。我们表明，我们的分层推理框架减轻了不具有代表性的训练集的临时先验引入的偏见。同时，给定足够广泛的训练集，我们可以精确地重建控制我们的测试分布的群体超参数。我们的完整流程，从训练到数千个镜头的分层推理，可以在一天内运行。这里提出的框架将使我们能够有效地利用未来地面和空间调查的全部约束力。
2021-03-22 astro-ph.CO astro-ph.IM cs.LG
A Framework for Obtaining Accurate Posteriors of Strong Gravitational Lensing Parameters with Flexible Priors and Implicit Likelihoods using Density Estimation
我们报告的应用隐似然推断预测的强透镜系统的宏观参数与神经网络。这使我们能够在定义良好的贝叶斯统计框架内对透镜系统进行深度学习分析，以明确地将所需的先验信息强加给透镜变量，获得准确的后验信息，并保证在完美性能的极限下收敛到最佳后验信息。我们训练神经网络来执行回归任务，以产生透镜参数的点估计。然后，我们将这些估计值解释为推断设置中的压缩统计量，并使用混合密度网络对其似然函数进行建模。我们比较我们的结果与近似贝叶斯神经网络，讨论其意义，并指出未来的发展方向。基于100，000个强透镜模拟的测试集，我们的摊销模型为任何任意置信区间产生精确的后验，$1.4\%$的最大百分比偏差在$21.8\%$置信水平，而不需要任何额外的校准程序。总的来说，在单个GPU上推断100，000个不同的后验子需要一天的时间，这表明该方法可以很好地扩展到即将到来的天空调查预计将发现的数千个镜头。
2022-11-30 astro-ph.CO astro-ph.IM
Bayesian analysis of weak gravitational lensing and Sunyaev-Zel'dovich data for six galaxy clusters
本文分析了用Arcminute Microkelvin成像仪（AMI）和加拿大-法国-夏威夷望远镜（CFHT）对红移范围为0.16- 0.41的六个星系团的观测结果。团簇气体模型使用AMI提供的Sunyaev-Zel'dovich（SZ）数据，而总质量模型使用CFHT的透镜数据。在本文中，我们：i）在SZ测量之间发现非常好的一致性（假设大规模维里化和气体分数先验）和透镜测量的总集群质量到r_200; ii）执行A115的第一个多组分弱透镜分析; iii）确认A1914中气体和质量组分之间的不寻常分离; iv）联合分析松弛星系团A611的SZ和透镜数据，确认我们使用模拟导出的质量-温度关系来参数化SZ效应的测量。
2012-01-24 astro-ph.CO
Sidestepping the inversion of the weak-lensing covariance matrix with Approximate Bayesian Computation
弱引力透镜是为数不多的直接测量宇宙大尺度暗物质分布和估算宇宙学参数的方法之一。我们研究贝叶斯推理问题的数据协方差$\mathbf{C}$，估计从一些$n_{\textrm{s}}$的数值模拟，是奇异的。在大尺度结构观测的宇宙学背景下，创建大量这样的$N$体模拟通常是昂贵的。基于似然函数的推断通常包括精度矩阵$Ψ= \mathbf{C}^{-1}$。对应于$p$维数据向量的协方差矩阵对于$p \ge n_{\textrm{s}}$是奇异的，在这种情况下精度矩阵不可用。我们提出了似然自由推理方法近似贝叶斯计算（ABC）作为一种解决方案，规避了奇异协方差矩阵的求逆。我们提出的例子越来越复杂的程度，最终在一个现实的宇宙学场景的弱引力透镜功率谱的测定即将到来的欧洲航天局卫星欧几里德。虽然我们发现ABC参数估计方差略大于基于似然的方法，这是有限的设置与$p < n_{\textrm{s}}$相比，我们获得无偏的参数估计与ABC，即使在极端情况下，$p / n_{\textrm{s}} \gg 1$。该代码已公开提供，以确保结果的可重复性。
2023-02-28 astro-ph.CO
Substructure in the lens HE 0435-1223
通过对四倍像背景类星体（z_s=1.689）的位置和流量比的影响，研究了引力透镜HE 0435-1223（z_l=0.455）中暗物质亚结构的性质.我们从一个光滑的质量模型开始，在透镜图像附近添加单个的截断等温团块，并使用贝叶斯证据来比较不同模型的质量。与光滑模型相比，在图像A附近具有至少一个团块的模型受到强烈青睐。在爱因斯坦半径范围内，这个团的质量是log（Mein/Msun）= 7.65 +0.87/-0.84。贝叶斯证据为图像B附近的第二个团块提供了较弱的支持，log（Mein/Msun）= 6.55 + 1.01/-1.51。我们还研究了具有完整子结构的模型，发现在爱因斯坦半径处子结构的质量分数f_sub > 0.00077，假设总的团块质量遵循与M^（-1.9）成比例的质量函数dN/dM，范围M = 10^7-10^10 Msun。少丛模型和总体模型产生类似的贝叶斯证据值，因此这两种类型的模型客观上都不受欢迎。
2011-09-02 astro-ph.CO
Improving PSF modelling for weak gravitational lensing using new methods in model selection
一个简单的理论框架的空间相关的建模残差的描述和解释，并由此产生的工具被发现提供了一个有用的帮助模型选择的背景下，弱引力透镜。描述集中在建模的望远镜点扩散函数（PSF）在整个仪器视场的空间变化的具体问题，在透镜数据分析的一个关键阶段，但该技术可用于排名竞争模型的数据描述经验。因此，随着进一步的发展，它可以提供有用的额外信息时，与现有的模型选择技术，如赤池和贝叶斯信息标准，或贝叶斯证据结合使用。两个独立的诊断关联函数的描述和解释这些功能证明使用模拟PSF各向异性场。这些诊断功能作为一个援助的经验模型的正确选择的功效，然后证明了一套蒙特卡罗模拟的随机PSF字段与不同程度的空间结构的分析结果，它示出了如何诊断功能可以与精确的宇宙剪切测量的要求。该技术的局限性，以及改善和应用领域以外的弱引力透镜的机会，进行了讨论。
2010-01-12 astro-ph.CO
Comment on `Measuring the Hubble Constant Using Strongly Lensed Gravitational Wave Signals'
The Chinese University of Hong Kong (CUHK)（香港中文大学）
本评论针对Huang等人声称仅用透镜红移即可从透镜化引力波测量哈勃常数的研究，通过指出其结论与引力波透镜系统参数简并性研究矛盾，证明仅靠透镜红移无法测量哈勃常数。
2026-09-03 astro-ph.CO
Strong-lensing source reconstruction with variationally optimised Gaussian processes
强透镜图像提供了大量关于放大源和透镜中暗物质分布的信息。对这些图像的精确分析可以用来限制暗物质的性质。然而，这需要高保真的图像重建和仔细处理透镜质量分布和光源光的不确定性，这通常是难以量化的。在未来的高分辨率数据集的预期中，在这项工作中，我们利用机器学习的一系列最新发展来开发一个新的贝叶斯强透镜图像分析管道。其亮点有：（A）一个快速的、支持GPU的、端到端可微分的强透镜图像模拟器;（B）一个新的、基于统计原理的源模型，该模型基于对高斯过程的计算高效近似，同时考虑到像素化;和（C）一个可扩展的变分推理框架，能够同时导出数万个透镜和光源参数的后验，并通过随机梯度优化超参数血统.除了有效和准确的参数估计和透镜模型不确定性量化，管道的主要目的是生成训练数据，用于有针对性的基于模拟的暗物质子结构的推断，我们将在配套文件中利用。
2021-05-20 astro-ph.CO astro-ph.GA astro-ph.IM
Strong Lensing Parameter Estimation on Ground-Based Imaging Data Using Simulation-Based Inference
目前的地面宇宙学调查，如暗能量调查（DES），预计将发现数千个星系尺度的强透镜，而未来的调查，如维拉鲁宾天文台时空遗产调查（LSST）将增加1-2个数量级。在未来的调查中，大量的强透镜将使强透镜成为一个极具竞争力和互补性的宇宙探测器。为了利用即将通过调查发现的镜片的统计能力，自动镜片分析技术是必要的。我们提出了两个基于仿真的推断（SBI）的方法来估计星系-星系透镜的透镜参数。我们展示了神经后验估计（NPE）的成功应用，以自动推理的12个参数的镜头质量模型DES样地面成像数据。我们将我们的NPE约束与贝叶斯神经网络（BNN）进行比较，发现它优于BNN，产生的后验分布在大多数情况下都更准确，更精确;特别是，在BNN实现中，几个源光模型参数有系统的偏差。
2022-11-10 astro-ph.CO astro-ph.GA astro-ph.IM
Automated galaxy-galaxy strong lens modelling: no lens left behind
暗物质和亮物质的分布可以被绘制在星系周围，这些星系通过引力将背景物体透镜成弧形或爱因斯坦环。新的调查将很快观察到数十万个星系透镜，目前的劳动密集型分析方法将无法应对这一挑战。相反，我们开发了一种全自动的贝叶斯方法，我们用它来适应样本的59个镜头成像的哈勃太空望远镜在统一的条件。我们着手于\textit{leave no lens behind}，并专注于自动化拟合在少数镜片中失败的方式，描述了对管道的调整，使我们能够推断出准确的镜片模型。我们的生产线最终在我们的样本中匹配了{ \em all} 59个晶状体，成功率很高，因为灾难性离群值会使大样本产生偏差，统计误差很小。机器学习技术可能会进一步改善两个最困难的步骤：减去前景镜头光和初始化第一个近似镜头模型。在此之后，增加模型的复杂性就很简单了。我们发现一个平均$\sim1\%$测量精度的测量爱因斯坦半径的透镜样品{ \em不降低红移}至少$z=0.7$ -形成鲜明对比的其他技术用于研究星系演化，如恒星动力学。我们的\texttt{PyAutoLens}软件是开源的，也安装在欧空局欧几里得任务的科学数据中心。
2023-01-12 astro-ph.CO astro-ph.GA astro-ph.IM
Probing minihalo lenses with diffracted gravitational waves
本研究提出一种新颖的时域插值方法，高效计算引力波微晕透镜的放大因子，实现贝叶斯参数推断，从而识别微晕透镜事件并提取透镜与波源参数。
2024-03-20 astro-ph.CO gr-qc
Strong gravitational-wave lensing posterior odds
The Chinese University of Hong Kong（香港中文大学）；National Institute of Technology, Kozhikode（科利科德国家理工学院）；Universite Catholique de Louvain（天主教鲁汶大学）；Royal Observatory of Belgium（比利时皇家天文台）；Nikhef – National Institute for Subatomic Physics（尼赫夫–荷兰亚原子物理国家研究所）；Utrecht University（乌得勒支大学）；University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校）
本文探讨了强引力波透镜效应的后验概率，统一了贝叶斯方法，并推导了后验概率，指出贝叶斯因子和先验概率受事件数影响，而后验概率不受影响。
2026-04-01 astro-ph.CO astro-ph.HE gr-qc
AutoLens: Automated Modeling of a Strong Lens's Light, Mass and Source
这项工作介绍了AutoLens，这是第一个用于分析星系尺度强引力透镜的完全自动化建模套件。AutoLens同时模拟透镜星系的光和质量，同时在自适应像素网格上重建扩展的源星系。该方法的源平面离散化的方法是无定形的，适应其聚类和正则化的透镜源的内在属性。镜头的光线使用Sersic函数的叠加进行拟合，使AutoLens能够从光源中清晰地分解光线。单组分质量模型代表的镜头的总质量密度的档案证明，结合光建模可以检测中心图像使用中心核心配置文件。分解的质量建模也被示出，其可以完全解耦透镜的光和暗物质，并确定这两个分量是否在几何上对齐。通过贝叶斯模型比较自动选择光和质量模型的复杂性。这些步骤构成了AutoLens的自动化分析流程，因此无需任何用户干预即可生成此工作中的所有结果。这是严格的测试上的一个大套件的模拟图像，评估其性能上的广泛的透镜轮廓，源形态和透镜几何形状。该方法的性能是优秀的，与准确的光，质量和源配置文件推断的数据集代表现有的哈勃成像和未来的欧几里德宽场观测。
2018-03-28 astro-ph.CO astro-ph.GA astro-ph.IM
Mind the Information Gap: Unveiling Detailed Morphologies of z 0.5-1.0 Galaxies with SLACS Strong Lenses and Data-Driven Analysis
Ciela - Montreal Institute for Astrophysical Data Analysis and Machine Learning（Ciela - 蒙特利尔天体物理数据分析与机器学习研究所）；Mila - Quebec Artificial Intelligence Institute（Mila - 魁北克人工智能研究所）；University of Edinburgh（爱丁堡大学）；Center for Computational Astrophysics, Flatiron Institute（平顿研究所计算天体物理学中心）；Trottier Space Institute（特罗蒂尔空间研究所）；Perimeter Institute（珀imeter研究所）
本研究利用数据驱动方法揭示z 0.5-1.0星系的详细形态，通过强透镜分析建立新的建模基准。
2025-11-24 astro-ph.CO astro-ph.GA astro-ph.IM
Identifying Strong Lenses with Unsupervised Machine Learning using Convolutional Autoencoder
在本文中，我们开发了一种新的无监督机器学习技术，包括特征提取器，卷积自动编码器（CAE）和由贝叶斯高斯混合模型（BGM）组成的聚类算法。我们将这种技术应用于视觉波段空间为基础的模拟成像数据从欧几里得空间望远镜使用的数据从强引力透镜寻找挑战。我们的技术有望捕获各种透镜的功能，如爱因斯坦环不同半径，扭曲的弧结构等，而不使用预定义的标签。经过聚类过程，我们得到了几个分类聚类分离的不同的视觉特征，这是看到的图像。我们的方法成功地拿起$\sim$ 63%的透镜图像从所有的镜头在训练集中。在本研究中提出的假设概率，该技术达到了$77.25\pm 0.48$ %的精度在二进制分类使用的训练集。此外，我们的无监督聚类过程可以用作未来镜片调查的初步分类，以有效地选择目标并加快标记过程。作为使用这种技术的天文应用的起点，我们不仅探讨了引力透镜系统的应用，而且还讨论了这种技术的局限性和潜在的未来用途。
2020-04-08 astro-ph.CO astro-ph.GA astro-ph.IM
Cosmological Parameter Determination in Free-Form Strong Gravitational Lens Modeling
我们发展了一种新的统计强透镜方法，利用星系或星系团背后的多个红移图像系统来探测宇宙学参数。该方法依赖于强透镜的自由形式的质量反演，并且除了引力透镜之外不需要任何附加信息。由于在自由形态透镜的解空间是一个高维凸多面体，我们考虑贝叶斯模型比较分析来推断宇宙学参数。解空间的体积被视为基本宇宙学假设概率的示踪物。与参数质量反演相反，我们的方法考虑了质量片的简并，这意味着简并在轮廓的陡度和宇宙学参数之间。参数模型通常会打破这种退化，将隐藏的先验引入分析，污染参数的推断。我们测试我们的方法与合成透镜，表明它是能够推断假设的宇宙学参数。应用于CLASH簇，该方法可能与其他探针竞争。
2013-10-28 astro-ph.CO
Probing cosmic acceleration by strong gravitational lensing systems
近年来，人们利用Ia型超新星（SNe Ia）得到了一些关于宇宙加速的不同结论，但对内禀光度演化的假设却截然相反。本文利用强引力透镜系统来探测宇宙加速。由于强引力透镜理论已经确定，爱因斯坦半径由稳定的宇宙几何决定。我们利用152个强引力透镜系统，结合30个哈勃参数$H(z)$和11个重子声学振荡（BAO）测量，研究了两个宇宙学模型：$Λ$ CDM模型和幂律模型.贝叶斯证据的引入，使一对一的宇宙学模型之间的比较。基于平坦$Λ$ CDM的Bayes因子$\ln B$与幂律和$R_{h}=ct$模型的Bayes因子$\ln B$是$\ln B>5$，我们发现平坦$Λ$ CDM得到数据集组合的强支持.也就是说，一个加速宇宙学与非幂律膨胀是我们的计算首选。
2019-01-26 astro-ph.CO
Multi-scale cluster lens mass mapping I. Strong Lensing modelling
我们提出了一种新的技术来完善星系团质量分布的建模使用引力透镜。这个想法是结合“参数”和“非参数”方法的优势，以提高拟合的质量。我们开发了一个多尺度模型，允许更清晰的对比度，在密度较高的区域，约束的数量通常较高。我们的模型包括（i）一个多尺度网格的径向基函数与物理动机的配置文件和（ii）一个列表的星系尺度的潜力在该位置的星系团成员星系。不同大小的电位的这种布置允许以最少数量的参数达到模型的高分辨率。我们将我们的模型应用到研究良好的集群阿贝尔1689。我们估计我们的质量重建贝叶斯MCMC采样器。对于选定的多个图像的子集，我们设法减半预测和观察到的图像位置之间的误差相比，以前的研究。这要归功于多尺度模型在星系团和星系尺度之间的中间尺度上的灵活性。为本文开发的软件是公共lenstool包的一部分，可以在www.oamp.fr/cosmology/lenstool上找到。
2009-02-21 astro-ph.CO
GIGA-Lens 2.0: Strong-Lens Modeling on Multiple GPU Nodes
University of San Francisco（旧金山大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；University of California, Berkeley（加州大学伯克利分校）；Complutense University of Madrid（马德里康普顿斯大学）
提出GIGA-Lens 2.0，一种支持多GPU节点的强透镜贝叶斯建模框架，在128节点/512 A100 GPU上运行，显著提升速度，并应用于100个模拟系统和一个真实系统。
2026-06-29 astro-ph.CO astro-ph.GA
Abell 1201: Detection of an Ultramassive Black Hole in a Strong Gravitational Lens
超大质量黑洞（SMBH）是星系形成和演化的关键催化剂，导致观测到SMBH质量$M_{\rm BH}$和宿主星系速度色散$σ_{\rm e}$之间的相关性。在本地宇宙之外，$M_{\rm BH}$的测量通常只可能用于处于活动状态的SMBH：限制样本大小并引入选择偏差。引力透镜使得测量非活动SMBH的质量成为可能。我们提出了$z=0.169$星系尺度强透镜Abell~1201的模型。星系团中的一个cD星系，它有足够的“外部剪切”，一个$z = 0.451$背景星系的放大图像被投射到距离星系中心仅$\sim 1$千秒差距的地方。利用哈勃空间望远镜的多波段成像和透镜建模软件$\texttt{PyAutoLens}$，我们重建了沿着这条视线的质量分布。贝叶斯模型比较有利于点质量与$M_{\rm BH} = 3.27 \pm 2.12\times10^{10}\,$ M $_{\rm \odot}$（3 $σ$置信限）;超大质量黑洞。一个模型提供了一个可比的贝叶斯证据没有SMBH，但我们认为这个模型是非物理的基本假设。该模型仍然提供$M_{\rm BH} \leq 5.3 \times 10^{10}\,$ M $_{\rm \odot}$的上限，因为高于该质量的SMBH使透镜图像$\sim 1$ kpc从Abell 1201的中心变形。这是建立在以前的工作，使用中心图像放置上限的$M_{\r…
2023-03-27 astro-ph.CO astro-ph.GA astro-ph.IM
Statistical strong lensing. II. Cosmology and galaxy structure with time-delay lenses
上下文时间延迟透镜是测量哈勃常数$H_0$的有力工具。然而，为了从时滞强透镜的样本中获得$H_0$的精确估计，有必要对透镜星系的质量结构有很好的了解。在单个物体的基础上，强透镜数据本身不足以打破$H_0$和透镜模型参数之间的简并性。目的。本研究的目的是确定是否有可能打破$H_0$ -透镜结构简并与大样本的时间延迟透镜的统计组合，纯粹依靠强透镜数据（即没有恒星运动学信息）。方法.我模拟了一组100个透镜，具有双重成像的类星体和相关的时间延迟测量。我用贝叶斯分层方法和镜片人群的灵活模型拟合这些数据，模拟镜片建模步骤。结果100个晶状体样本本身提供了具有$3\%$精度但具有$-4\%$偏差的$H_0$测量值。然而，从一个大样本的镜头，没有时间延迟，如在纸I中考虑的镜头结构参数的先验信息的添加，允许一个$1\%$级的推理。此外，这100个透镜允许对星系恒星质量进行$0.03$ ~dex校准，而不管对哈勃常数的先验知识水平如何。结论.单独使用透镜数据打破$H_0$ -透镜模型简并是可能的，但是$H_0$的$1\%$测量需要远大于100的时间延迟透镜的数量，或者需要来自透镜的单独样品的透镜群体的结构参数分布的知识。
2021-12-18 astro-ph.CO
