LtU-ILI: An All-in-One Framework for Implicit Inference in Astrophysics and Cosmology

要約

この論文では、天体物理学と宇宙論における迅速でユーザーフレンドリーな最先端の機械学習 (ML) 推論のためのコードベースである Learning the Universe Implicit Likelihood Inference (LtU-ILI) パイプラインについて説明します。
パイプラインには、あらゆる研究ワークフローに簡単に適応できる方法で、さまざまなニューラル アーキテクチャ、トレーニング スキーマ、事前分布、密度推定器を実装するためのソフトウェアが含まれています。
事後推定の範囲を評価するための包括的な検証メトリクスが含まれており、推論結果の信頼性が向上します。
さらに、パイプラインは簡単に並列化でき、モデリング ハイパーパラメータを効率的に探索できるように設計されています。
その機能を実証するために、以下のようなさまざまな天体物理学および宇宙論の問題にわたる実際のアプリケーションを紹介します。X 線測光から銀河団の質量を推定する。
物質のパワースペクトルとハロー点群から宇宙論を推測する。
重力波信号における前駆体の特徴付け。
銀河の色と明るさから物理的な塵パラメータを取得します。
銀河形成の半解析モデルの特性を確立します。
また、実装されたすべてのメソッドの徹底的なベンチマークと比較、天文学における ML 推論の課題と落とし穴についての議論も含まれています。
すべてのコードと例は、https://github.com/maho3/ltu-ili で公開されています。

要約(オリジナル)

This paper presents the Learning the Universe Implicit Likelihood Inference (LtU-ILI) pipeline, a codebase for rapid, user-friendly, and cutting-edge machine learning (ML) inference in astrophysics and cosmology. The pipeline includes software for implementing various neural architectures, training schemata, priors, and density estimators in a manner easily adaptable to any research workflow. It includes comprehensive validation metrics to assess posterior estimate coverage, enhancing the reliability of inferred results. Additionally, the pipeline is easily parallelizable and is designed for efficient exploration of modeling hyperparameters. To demonstrate its capabilities, we present real applications across a range of astrophysics and cosmology problems, such as: estimating galaxy cluster masses from X-ray photometry; inferring cosmology from matter power spectra and halo point clouds; characterizing progenitors in gravitational wave signals; capturing physical dust parameters from galaxy colors and luminosities; and establishing properties of semi-analytic models of galaxy formation. We also include exhaustive benchmarking and comparisons of all implemented methods as well as discussions about the challenges and pitfalls of ML inference in astronomical sciences. All code and examples are made publicly available at https://github.com/maho3/ltu-ili.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google