A Bayesian self-clustering analysis of the highest energy cosmic rays detected by the Pierre Auger Observatory
宇宙射线（CR）是流入太阳系并到达地球的质子和原子核，能量高达~10^21 eV。E >~ 10^19 eV的超高能宇宙射线（UHECR）的来源仍然未知，尽管有理论上的理由认为至少有一些来自活动星系核（AGN）。评估不同假设的一种方法是通过分析UHECR的到达方向，特别是它们的自聚类。我们已经开发了一个完全贝叶斯方法来分析球上的点的自聚类，我们将其应用于UHECR到达方向。该分析是基于一个多步骤的方法，使贝叶斯模型比较的情况下，弱先验信息的应用程序。我们已经将这种方法应用于皮埃尔俄歇天文台（PAO）记录的69个最高能量事件，这是目前最大的UHECR数据集。我们没有检测到自聚，但模拟表明，这是一致的活动星系核来源的模型，为这个规模的数据集。几百个UHECR的数据集足以检测活动星系核模型中的聚集。预计今后的实验，如日本实验舱极端宇宙空间观测站（JEM-EUSO）将产生这种量级的样品。
2014-08-01 astro-ph.HE astro-ph.IM
A Bayesian Approach to Comparing Cosmic Ray Energy Spectra
超高能宇宙线物理中的一个常见问题是能谱的比较。问题是，来自两个实验或天空两个区域的光谱是否在统计和系统不确定性范围内一致。我们开发了一种方法，直接比较超高能宇宙射线的能量谱从两个不同的地区的天空在同一个实验中，而不依赖于协议的理论模型的能量谱。两个光谱之间的一致性用贝叶斯因子表示，贝叶斯因子在此定义为双亲源假设的似然性与单亲源假设的似然性的比率。与其他方法（例如卡方检验）不同，贝叶斯因子允许计算后验比值比，并正确考虑非高斯不确定性。后者在最高能量时特别重要，因为那里的事件数量非常少。
2011-06-07 astro-ph.HE astro-ph.IM physics.data-an
On the Evidence for Cosmic Variation of the Fine Structure Constant (II): A Semi-Parametric Bayesian Model Selection Analysis of the Quasar Dataset
在本系列的第二篇论文中，我们扩展了我们的贝叶斯再分析的证据，为宇宙变化的精细结构常数的半参数建模制度。通过采用狄利克雷过程的混合物之前的基准类星体数据集的每个仪器子组中的无法解释的错误，我们走了一些路，从一个固定的分布形式的明显的主观性释放我们的模型选择过程。尽管无限维域的错误层次结构，我们能够证明一个递归计划的边际似然估计与先验灵敏度分析直接类似于在论文I中提出的，从而使我们的后验贝叶斯因素的鲁棒性超参数的选择和模型规格，很容易验证。在这项工作的过程中，我们阐明了天文学和临床荟萃分析的看似不同的领域不明原因的错误问题之间的各种相似之处，我们强调了一些复杂的技术来处理这些问题，在后者的过去的研究。我们希望本文所展示的半参数模型选择的新方法可以为其他人探索这类潜在困难的误差模型提供有用的参考。
2013-09-11 astro-ph.IM stat.AP
Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与影像研究所）
宇宙微波背景辐射（CMB）是了解宇宙起源和演化的重要信息来源。然而，对CMB的观测受到前景辐射的污染，模糊了CMB信号，降低了其约束宇宙学参数的效力。我们采用深度学习作为数据驱动的方法，从多频全天空地图中清除CMB。特别是，我们开发了一个基于图的贝叶斯卷积神经网络的基础上的U-Net架构，预测清洁CMB与像素的不确定性估计。我们展示了这种技术的潜力，现实的模拟数据的基础上，普朗克任务。我们表明，我们的模型准确地恢复清洁的CMB天空图和角功率谱，同时识别区域的不确定性。最后，我们讨论了当前的挑战和前进的道路部署我们的模型CMB恢复实际观察。
2023-02-24 astro-ph.CO astro-ph.IM cs.LG
Iterative-Bayesian unfolding of isotopic cosmic-ray fluxes measured by AMS-02
宇宙射线（CR）同位素组成的测量为理解这些粒子的起源和传播提供了重要的见解，即CR源谱、传播过程和星系晕大小。阿尔法磁谱仪（AMS-02）是自2011年5月以来在国际空间站上运行的CR探测器，由于其飞行时间（TOF）和环形成像切伦科夫（RICH）探测器提供的速度精确测定，因此有能力进行这些测量。数据的正确解释需要从仪器效应中去卷积测量。AMS-02的独特设计，使用多个子探测器来测量相同的通量，需要一种新的方法来展开测量的通量。在这项工作中，我们描述了一个迭代贝叶斯展开方法应用在AMS-02同位素通量测量的背景下。该方法的准确性进行评估，使用模拟通量的基础上以前的测量和一个完整的检测器响应函数。我们引入了一个非参数正则化方法的检测器响应函数，以及一个单一的，光滑的前通量覆盖了整个范围的测量从两个检测器，TOF和丰富的。此外，估计的误差和讨论的方法的性能也显示，表明该方法是快速和可靠的，允许在全能量范围内的真通量的恢复。
2022-07-19 astro-ph.IM hep-ex
On Bayesian analysis of on-off measurements
我们提出了一个分析解决方案的开-关问题的框架内贝叶斯统计。新现象发现的统计意义和模型参数的可信区间都以一致的方式给出。我们使用一个足够大的家庭的先验分布的相关参数。提出的分析旨在提供贝叶斯解决方案，可用于任何数量的观察到的开关事件，包括零。使用蒙特卡罗模拟检查程序。从伽马射线天文学的例子证明了该方法的实用性。
2016-03-10 astro-ph.IM
Bayesian non-linear large scale structure inference of the Sloan Digital Sky Survey data release 7
在这项工作中，我们提出了第一个非线性，非高斯全贝叶斯大尺度结构分析的宇宙密度场进行至今。密度推断是基于斯隆数字巡天数据发布7，其中包括北银河帽。我们采用了一种新的贝叶斯抽样算法，这使我们能够探索极高维的非高斯，非线性对数正态泊松后验的三维密度场的条件的数据。这些技术在HADES计算机算法中有效地实现，并允许精确恢复采样差的物体和非线性密度场。非线性密度推断是在一个750 Mpc立方体上进行的，网格分辨率约为3 Mpc，同时考虑到系统的影响，由测量几何形状和SDSS的选择功能，以及泊松散粒噪声贡献的正确处理。我们的高分辨率结果非常好地代表了宇宙密度场的宇宙网络结构。细丝、空隙和簇清晰可见。此外，我们还进行了一个动态的网页分类，并估计了网站类型的后验分布的SDSS数据的条件。
2009-11-12 astro-ph.CO astro-ph.IM
Bayesian analysis of cosmic structures
我们修改了分析宇宙学大尺度结构所需的贝叶斯推断步骤。在这里，我们特别强调由于星系和物质分布的非高斯特性而产生的复杂性。特别是，我们调查的泊松对数正态模型的优点和局限性，并讨论如何扩展这项工作。在对数正态先验下，使用哈密顿采样技术，在约4 h^{-1} Mpc的尺度上，我们发现过密区域得到了很好的重建，然而，欠密区域（空隙统计）的定量恢复很差。相反，最大后验（MAP）的解决方案，这被证明是高估的密度在欠密集的区域，我们得到较低的密度比在N体模拟。这是由于MAP解决方案是保守的，而完整的后验产生的样本与先验统计一致。对数正态先验无法捕捉到低于~ 10 h^{-1} Mpc尺度的完整非线性区域，因为需要高阶相关来描述物质统计。然而，我们确认，因为它是最近在Ly-alpha森林断层扫描的背景下，泊松对数正态模型提供了正确的两点统计（或功率谱）。
2011-12-02 astro-ph.CO astro-ph.IM
A Bayesian Calibration Framework for EDGES
我们开发了一个贝叶斯模型，联合约束接收机校准，前景和宇宙21厘米信号的EDGES全球21厘米实验。该模型同时描述了在实验室中采集的校准数据以及使用EDGES低波段天线采集的天空数据。我们将我们的模型应用于用于报告2018年第一颗恒星形成证据的相同数据（包括天空和校准）。我们发现，接收器校准不会对推断的宇宙信号产生显著的不确定性（<1%），尽管我们的联合模型能够更鲁棒地估计前景模型的宇宙信号，否则前景模型太不灵活，无法描述天空数据。我们确定存在一个显着的系统的校准数据，这在很大程度上是避免在我们的分析，但必须在未来的工作中更密切地检查。我们的可能性提供了一个基础，在未来的分析中，其他仪器系统，如光束校正和反射参数，可以添加在一个模块化的方式。
2022-09-07 astro-ph.CO astro-ph.IM
GPU-Accelerated Hierarchical Bayesian Inference with Application to Modeling Cosmic Populations: CUDAHM
我们描述了一个计算框架，分层贝叶斯推断与简单的（通常是单板）参数图形模型，使用图形处理单元（GPU），以加速计算，使部署在非常大的数据集。它的C++实现CUDAHM（CUDA for Hierarchical Models）利用了板实例之间的条件独立性，促进了使用GPU的单指令多数据架构对复制参数空间的大规模并行探索。它支持构建Metropolis-within-Gibbs采样器，该采样器在GPU加速的板级参数的鲁棒自适应Metropolis采样（以上层参数为条件）和Metropolis-Hastings采样（以主机处理器上的GPU结果为条件）之间进行切换。CUDAHM的动机是天文学中的人口问题，其中密度估计和线性和非线性回归问题必须解决数千至数百万对象的人口，其特征测量可能具有复杂的不确定性。我们描述了一个细化的潜在点过程框架，用于建模这样的人口统计数据。我们使用单个NVIDIA Tesla K40 c GPU在约1小时内演示了高达300，000个对象的模拟群体的精确GPU加速参数条件密度反卷积。补充材料提供了有关CUDAHM API和演示问题的详细信息。
2021-05-17 astro-ph.IM stat.CO
Parameters Estimation for the Cosmic Microwave Background with Bayesian Neural Networks
Romanian Institute of Science and Technology（罗马尼亚科学与技术研究院）；FinNet
在本文中，我们提出了第一个研究，比较不同的模型贝叶斯神经网络（BNN）预测宇宙学参数的后验分布直接从宇宙微波背景温度和偏振图。我们重点分析了在训练过程中对网络权重进行采样的四种不同方法：Dropout、DropConnect、Reparameterization Trick（RT）和Flipout。我们发现，Flipout优于所有其他方法，无论使用的架构，并提供更严格的约束的宇宙学参数。此外，我们比较MCMC后验分析获得可比的参数之间的误差相关性，与BNN的数量级更快的推理，虽然不太准确。由于BNN推理过程的速度，后验分布，神经网络的结果，可以用作马尔可夫链的初始建议。我们表明，这种结合的方法增加了接受率的Metropolis-Hasting算法，并加快了MCMC的收敛，同时达到相同的最终精度。在本文的第二部分中，我们提出了一个指导的训练和校准一个成功的多通道BNN的CMB温度和偏振图。我们展示了如何调整Flipout和RT中权重的近似后验标准差的正则化参数，我们可以产生无偏和可靠的不确定性估计，即，正则化函数的作用就像一个超参数，类似于Dropout中的dropout率。最后，我们展示了如何极化，结合温度在一个独特的多通道张量馈送到一个单一的BNN，有助于打破参数之间的退化，并提供严格的约束。
2020-10-30 astro-ph.IM cs.LG
Objective Bayesian analysis of "on/off" measurements
在高能天体物理学中，通常的做法是在指向离源进行的辅助测量的帮助下，解释与感兴趣的源的计数重叠的背景。在这种“开/关”测量中，人们知道指向源时探测到的光子数、远离源时收集到的光子数，以及如何从辅助测量中观察到的通量估计源区域中的背景计数。对于非常微弱的光源，探测到的光子数是如此之低，以至于渐近成立的近似是无效的。另一方面，贝叶斯统计推断的解析解存在，这在低计数和高计数下都是有效的。在这里，我们说明了客观贝叶斯解决方案的基础上，参考后验和比较结果与最近提出的方法\citet{knoetig2014}，讨论其最微妙的点。此外，我们建议使用一种能够考虑背景上的任何不确定性并且对任何光子计数都有效的方法来计算相对于仅背景期望的超额的重要性。将该方法与\citet{LiMa83}提出的基于渐近性质的显著性公式进行了比较。
2014-10-20 astro-ph.IM
Bayesian deep learning for cosmic volumes with modified gravity
Instituto de Astrofísica de Canarias（加那利群岛天体物理学研究所）；Universidad de La Laguna（拉古纳大学）；Universidad El Bosque（埃尔博斯克大学）；Universidad Escuela Colombiana de Ingeniería Julio Garavito（哥伦比亚胡利奥·加萨维托工程学院）
本研究利用具备不确定性估计的贝叶斯神经网络（BNNs），从修正引力（MG）的N体模拟中提取宇宙学参数，发现BNNs能提供校准良好的不确定性估计，并揭示了MG参数与$σ_8$间的简并性，为在非线性区域提取宇宙学参数奠定了基础。
2024-02-12 astro-ph.CO astro-ph.IM cs.LG
Likelihood-free Model Selection in Cosmic Reionization with Three-dimensional Tomographic 21 cm Lightcone Images
该研究探索无似然贝叶斯模型选择以量化宇宙再电离场景的模型比较，通过训练三维CNN获取21厘米光锥摘要，替换采样器生成贝叶斯证据，能区分模拟数据集的生成模型，但存在对特定模型后验分布不准确的问题。
2025-02-12 astro-ph.CO astro-ph.IM
Field-level cosmological model selection: field-level simulation-based inference for Stage IV cosmic shear can distinguish dynamical dark energy
提出结合神经似然估计的场级基于模拟的推断框架与贝叶斯证据计算，首次实现宇宙学模型场级贝叶斯比较，证明其能区分动力学暗能量模型。
2024-10-14 astro-ph.CO astro-ph.IM
Multilevel Bayesian framework for modeling the production, propagation and detection of ultra-high energy cosmic rays
超高能宇宙射线（UHECR）是一种原子核，其能量超过人造粒子加速器可获得的能量的1000万倍。有证据表明它们来自相对较近的河外源，但源的性质尚不清楚。我们开发了一个多层次的贝叶斯框架评估关联的UHECRs和候选源人口，和马尔可夫链蒙特卡罗算法估计模型参数和比较模型的计算，通过Chib的方法，边际似然和贝叶斯因子。我们展示了框架，通过分析皮埃尔俄歇天文台（PAO）从2004年至2009年观察到的69 UHECR的测量，使用体积完整的目录17个本地活动星系核（AGN）出15 megaparsec作为候选源。PAO使用数据的早期部分（“周期1”，有14个事件）来设置能量截止，以最大化周期1中的各向异性; 69个测量包括这个“调谐”子集，以及随后的“未调谐”事件，其能量高于相同的截止。此外，测量误差进行了近似总结。这些因素对于专业会计组织数据的独立分析是有问题的。在“标准蜡烛”源模型的上下文中（即，与一个共同的各向同性发射率），并考虑只有55个未调谐的事件，有没有显着的证据支持关联的UHECR与本地AGN与各向同性背景。概率最高的关联是与两个最近的、相邻的活动星系核，半人马座A和NGC 4945。如果采用关联模型，则可能关联的UHECR的分数可能不为零，但远低于50%。我们的框架能够估计宇宙磁场偏转宇宙射线的角度尺度;相对适度的尺度$\approx\!3^{\circ}$到$30^{\ci…
2013-11-28 astro-ph.HE astro-ph.IM stat.AP
Joint Bayesian estimation of tensor and lensing B-modes in the power spectrum of CMB polarization data
我们研究了一个简单的贝叶斯拟合方法的性能，以纠正宇宙微波背景（CMB）的B-模式偏振的引力透镜效应中恢复的张量标量比的概率分布。我们执行一个二维功率谱拟合的振幅的原始B模式（张量标量比，$r$）和振幅的透镜B模式（参数$A_{lens}$），连同估计的天体物理前景，包括同步辐射和热尘埃排放。使用这个贝叶斯框架，我们预测的能力，建议CMB空间任务LiteBIRD约束$r$现实的透镜和前景的贡献。我们计算的联合后验分布的$r$和$A_{lens}$，我们通过采用事先从南极望远镜（SPT）测量的$A_{lens}$。当其应用于功率谱时，该方法不能减轻由于E模式宇宙方差通过透镜转移到B模式而导致的$r$上的不确定性，这与在地图上执行的标准去透镜技术不同。然而，该方法允许校正由透镜效应引起的$r$上的偏差，代价是由于参数空间的体积增加而导致的较大的不确定性。我们量化，张量标量比的不同值，偏置校正和$r$上的不确定性增加之间的权衡。对于LiteBIRD模拟，其中包括前景和透镜污染，我们发现，校正前景清洁CMB B模式功率谱的透镜偏差，而不是透镜宇宙方差，仍然保证$3σ$检测$r=5\times 10^{-3}$。当采用$A_{lens}$上的当前SPT先验时，检测的意义增加到$6σ$。
2017-11-25 astro-ph.CO astro-ph.IM
SOMBI: Bayesian identification of parameter relations in unstructured cosmological data
描述了一种基于自组织映射和贝叶斯推断（SOMBI）的相关性判定方法的实现和应用。SOMBI旨在通过自组织映射神经网络算法自动识别高维数据集中的数据簇，自动识别非结构化宇宙学或天体物理学调查中不同观测参数之间的关系。然后，通过在相应的识别数据簇内的贝叶斯推断来揭示参数关系。具体而言，这种关系被假定为参数化为未知阶的多项式。贝叶斯方法导致相应多项式系数的后验概率分布函数。为了决定哪个多项式阶数足以描述数据中的相关结构，我们在分析中包括了一种模型选择方法，贝叶斯信息准则。SOMBI算法的性能进行了测试与模拟数据。作为说明，我们还提供了我们的方法的应用程序的宇宙学数据。特别是，我们目前的银河系和AGN的属性之间的相关性分析结果提供的SDSS目录与宇宙大尺度结构（LSS）。结果表明，合并的星系和LSS数据集确实被聚类为具有不同平均属性（例如不同的恒星质量或网络类型分类）的数据的几个子样本。大多数数据簇似乎在星系属性和LSS之间具有类似的相关结构。特别是，我们揭示了恒星质量，绝对星等和星系的颜色与相应的宇宙密度场之间的正线性依赖关系。剩下的数据子集显示了反向相关，这可能是非线性红移失真的伪影。
2016-08-05 astro-ph.CO astro-ph.IM
Cosmic Inference: Constraining Parameters With Observations and Highly Limited Number of Simulations
宇宙学探测提出了一个逆问题，即通过观测获得测量结果，目的是推断表征底层物理系统-我们的宇宙-的模型参数值。现代宇宙学探测器越来越依赖于小尺度结构的测量，而在这些尺度（大约65 Mpc/h或更小）上精确建模物理行为的唯一方法是通过昂贵的数值模拟。在本文中，我们提供了一个新的统计框架，获得准确的参数约束相结合的观测与数量非常有限的宇宙学模拟的详细描述。该框架利用多输出高斯过程仿真器，自适应构建使用贝叶斯优化方法。我们比较了几种方法来构建多输出仿真器，使我们能够考虑到可能的输出间的相关性，同时保持推理所需的效率。使用莱曼α森林通量功率谱，我们证明了我们的自适应方法需要相当少的-由几个因素在莱曼α P（k）的情况下考虑在这里-仿真相比，基于拉丁超立方体采样，该方法是更强大的重建参数和贝叶斯可信区间。
2019-05-17 astro-ph.CO astro-ph.IM
Probabilistic Cross-Identification of Cosmic Events
我们讨论了一种新的方法来识别宇宙事件在单独和独立的观察。我们关注的是真正的事件，如超新星爆炸，发生一次，因此，其测量是不可重复的。它们的分类和分析必须充分利用所有现有数据。贝叶斯假设检验用于关联空间和时间上的事件流。通过研究它们的发生率，将概率分配给匹配。Ia型超新星的一个案例研究说明了如何在交叉识别过程中使用光变曲线。来自现实光曲线的约束恰好在时间上被高斯函数很好地近似，这使得匹配过程非常有效。依赖模型的关联在计算上要求更高，但可以进一步增强我们的信心。
2011-05-23 astro-ph.CO astro-ph.IM
Quantifying dimensionality: Bayesian cosmological model complexities
我们证明了一个措施的后验分布的背景下，宇宙学的参数约束的有效数量。以同样的方式，平均的香农信息（即Kullback-Leibler分歧）提供了一个衡量的强度之间的约束先验和后验，我们表明，方差的香农信息提供了一个衡量的维度约束。我们在宇宙学的背景下研究这个量，将其应用于来自宇宙微波背景，大尺度结构和超新星数据的可能性。我们表明，贝叶斯模型的维数的这种措施比较有利的分析和数值在宇宙学的背景下，与现有的模型复杂性的措施，在文献中使用。
2019-11-23 astro-ph.CO astro-ph.IM
COSMOPOWER: emulating cosmological power spectra for accelerated Bayesian inference from next-generation surveys
我们提出了$\it{CosmoPower}$，一套神经宇宙学功率谱仿真器提供的数量级加速参数估计从两点统计分析的大尺度结构（LSS）和宇宙微波背景（CMB）调查。仿真器取代玻尔兹曼代码的物质和CMB功率谱的计算，因此，他们不需要重新训练不同的选择天体物理学的滋扰参数或红移分布。在波数范围$k \in [10^{-5}, 10] \, \mathrm{Mpc}^{-1}$内，对红移$z \in [0, 5]$的物质功率谱仿真误差小于$0.4\%$。$\it{CosmoPower}$模拟CMB温度，偏振和透镜潜在的功率谱在$5σ$区域的参数空间周围的$\it{Planck}$最佳拟合值与误差$\lesssim 10\%$的预期散粒噪声为即将到来的西蒙斯天文台。$\it{CosmoPower}$被展示在来自千度巡天的宇宙剪切和星系聚类分析的联合分析上，以及在第四阶段类似$\it{Euclid}$的模拟宇宙剪切分析上。对于CMB情况，在$\it{Planck}$ 2018 CMB温度和偏振分析上测试$\it{CosmoPower}$。仿真器总是恢复基准宇宙学约束的差异小于采样噪声的后验，同时提供一个加速因子高达$O(10^4)$的完整的推理流水线。正如我们在$\it{Planck}$似然情况下所证明的那样，这种加速允许在几秒钟内恢复后验分布。$\it{CosmoPower}$完全用Pyth…
2022-01-31 astro-ph.CO astro-ph.IM
On the On-Off Problem: An Objective Bayesian Analysis
关的问题，也就是。Li-Ma问题是一个统计问题，其中测量的速率是两个部分的总和。第一个是由于信号，第二个是由于背景，两者都是未知的。大多数频率论的解决方案只适用于高计数的数字。当事件很少发生时，这种近似是不够的。事实上，在高能天体物理学中，这通常是规则而不是例外。我将提出一个通用的客观贝叶斯解决方案，它只依赖于开-关问题的初始三个参数：“开”区域中的事件数，“关”区域中的事件数，以及它们的暴露率。通过两步方法，可以以统一的方式推断信号的重要性、强度、不确定性或上限。该方法对包括零在内的任何计数都是有效的，在粒子物理、宇宙线物理和高能天体物理中有着广泛的应用。我将该方法应用于伽马射线暴数据。
2015-08-21 astro-ph.IM hep-ex
Bayesian Superiority in On/Off analysis
Faculty of Physics, Moscow State University（莫斯科国立大学物理系）；Institute for Nuclear Research of the Russian Academy of Sciences（俄罗斯科学院核研究所）；Branch of Lomonosov Moscow State University in Sarov（莫斯科国立大学萨罗夫分校）
本文通过蒙特卡洛模拟比较贝叶斯与Li-Ma准则，发现杰弗里斯先验的贝叶斯方法在On/Off分析中错误率更低且更稳健。
2026-09-18 astro-ph.IM hep-ex physics.data-an
Bayesian mixture models for Poisson astronomical images
在泊松制度的天文图像的特点是典型的空间变化的宇宙背景，各种各样的源形态和强度，数据不完整，陡峭的梯度的数据，和每像素的光子数。背景源分离技术是为了检测泊松统计特征的天文图像中的微弱和扩展源而发展起来的。该技术采用贝叶斯混合模型，以可靠地检测背景，以及与各自的不确定性的来源。背景估计和源检测是在一个单一的算法。揭示了各种各样的源形态。该技术应用于ROSAT和Chandra数据集电磁波谱的X射线部分，目前正在对即将进行的eROSITA飞行任务进行可行性研究。
2012-02-02 astro-ph.CO astro-ph.IM
Testing for calibration systematics in the EDGES low-band data using Bayesian model selection
当第一批恒星和原星系开始形成时，宇宙黎明通常会伴随着射频的吸收信号。这一特征的出现是因为这些第一个发光天体发射的莱曼- $α$光子将星系际氢气的21 cm激发温度耦合到其动力学温度，使其相对于CMB吸收。这种吸收轮廓的详细特性编码了关于宇宙黎明物理学的强大信息。最近，Bowman等人分析了来自EDGES低波段无线电天线的数据，发现了一个意想不到的以78 MHz为中心的深吸收轮廓，这可能是对这种特征的检测。他们的具体分析适合他们的测量使用多项式前景模型，平坦的高斯吸收曲线和白噪声模型，我们认为，一个更准确的模型，其中包括一个详细的噪声模型，并占合理的校准误差的影响，是必不可少的描述的EDGES数据集。我们进行了贝叶斯证据为基础的比较模型的EDGES低波段数据集，并发现那些纳入这些额外的组件是决定性的首选。包括全局信号的数据的最佳拟合模型的子集有利于与标准宇宙学假设一致的振幅（A < 209 mK）。然而，没有强有力的证据支持包括全球21 cm信号的数据模型优于没有全球21 cm信号的数据模型。最后，我们发现，从数据中推导出的天体物理学的强大约束是有限的存在的系统。
2019-10-08 astro-ph.CO astro-ph.GA astro-ph.IM
Bayesian inflationary reconstructions from Planck 2018 data
我们使用普朗克2018年的极化数据提出了三种非参数贝叶斯原始重建：线性样条原始功率谱重建，三次样条暴胀势重建和尖锐特征的原始功率谱重建。所有这三种方法都有条件地显示出在多极范围$\ell\sim20$到$\ell\sim50$中原始功率谱中的振荡特征的暗示，这在一定程度上保留在边缘化之后。我们发现没有证据表明偏离纯幂律在一个广泛的可观察的窗口（$50\lesssim\ell\lesssim2000$），但发现参数化是首选的，能够占缺乏分辨率在大角度尺度由于宇宙方差，并在小角度尺度由于普朗克仪器噪声。此外，晚期宇宙学参数不受这些原始功率谱扩展的影响。这项工作旨在提供背景，并提供普朗克2018年论文中发现的贝叶斯原始重建工作的更多细节。
2019-11-11 astro-ph.CO astro-ph.IM gr-qc
