本文展示了如何使用基於模擬的推論 (SBI) 從星系目錄中學習最佳和可解釋的匯總統計數據,用於宇宙學參數估計,並探討了這些統計數據在理解重子物理效應和改進宇宙學分析方面的潛力。
本文探討如何利用現代機器學習技術,特別是模擬式推論(SBI),來更有效地分析大型強子對撞機(LHC)的數據,並提高物理參數約束的準確性和穩定性。
sbijax 是一個 Python 套件,實現了最新的神經網絡模擬推論方法,提供了高效的編程接口,使用戶能夠快速構建 SBI 估計器,並計算和可視化後驗分佈。