Marginal unbiased score expansion and application to CMB lensing
Marginal unbiased score expansion and application to CMB lensing
复制标题
边际无偏分数扩展及其在 CMB 透镜中的应用
DOI：
10.1103/physrevd.105.103531
复制
发表时间：
2022
影响因子：
5
通讯作者：
Seljak, Uroš
中科院分区：
文献类型：
--
作者：
Millea, Marius;Seljak, Uroš
我们提出了边际无偏分数扩展（MUSE）方法，一种通用的高维分层贝叶斯推理算法。MUSE在任意非高斯潜在参数空间上执行近似边缘化，对感兴趣的全局参数产生高斯化的渐近无偏和接近最优的约束。它在计算上比精确的替代方案（如Hamiltonian Monte Carlo（HMC））便宜得多，在挑战HMC的漏斗问题上表现出色，并且不需要任何特定于问题的用户监督，如其他近似方法，如变分推理或许多基于模拟的推理方法。MUSE使得第一次联合贝叶斯估计的去透镜宇宙微波背景（CMB）功率谱和引力透镜潜在功率谱，在这里展示了一个模拟的数据集，大到即将到来的南极望远镜3G调查，对应的潜在维度和100阶全球频带功率参数。在一个子集的问题，一个确切的，但更昂贵的HMC解决方案是可行的，我们验证MUSE产生接近最优的结果。我们还表明，现有的基于频谱的预测工具，忽略像素屏蔽低估预测误差条只有。这种方法是一个有前途的快速透镜化和去透镜化分析，这将是必要的未来CMB实验，如SPT-3G，西蒙斯天文台，或CMB-S4，并可以补充或取代现有的HMC方法。MUSE在这个具有挑战性的问题上的成功加强了它作为一类广泛的高维推理问题的通用程序的情况。
We present the marginal unbiased score expansion (MUSE) method, an algorithm for generic high-dimensional hierarchical Bayesian inference. MUSE performs approximate marginalization over arbitrary non-Gaussian latent parameter spaces, yielding Gaussianized asymptotically unbiased and near-optimal constraints on global parameters of interest. It is computationally much cheaper than exact alternatives like Hamiltonian Monte Carlo (HMC), excelling on funnel problems which challenge HMC, and does not require any problem-specific user supervision like other approximate methods such as variational inference or many simulation-based inference methods. MUSE makes possible the first joint Bayesian estimation of the delensed Cosmic Microwave Background (CMB) power spectrum and gravitational lensing potential power spectrum, demonstrated here on a simulated data set as large as the upcoming South Pole Telescope 3Gsurvey, corresponding to a latent dimensionality ofand of order 100 global bandpower parameters. On a subset of the problem where an exact but more expensive HMC solution is feasible, we verify that MUSE yields nearly optimal results. We also demonstrate that existing spectrum-based forecasting tools which ignore pixel-masking underestimate predicted error bars by only. This method is a promising path forward for fast lensing and delensing analyses which will be necessary for future CMB experiments such as SPT-3G, Simons Observatory, or CMB-S4, and can complement or supersede existing HMC approaches. The success of MUSE on this challenging problem strengthens its case as a generic procedure for a broad class of high-dimensional inference problems.
登录
查看更多内容
利用 SPTpol 数据优化宇宙微波背景透镜重建和参数估计
DOI：
10.3847/1538-4357/ac02bb
发表时间：
2021
期刊：
The Astrophysical Journal
影响因子：
--
作者：
Millea, M.;Daley, C. M.;Chou, T-L.;Anderes, E.;Ade, P. A.;Anderson, A. J.;Austermann, J. E.;Avva, J. S.;Beall, J. A.;Bender, A. N.
通讯作者：
Bender, A. N.
影响因子：
56.9
作者：
V. Gates;.. M. L. Ludwig-M.-L.-Ludwig-2273875465;J. A. Hartsuck;T. A. Steitz;H. Muirhead;J. C. Coppola;G. N. Reeke
通讯作者：
V. Gates;.. M. L. Ludwig-M.-L.-Ludwig-2273875465;J. A. Hartsuck;T. A. Steitz;H. Muirhead;J. C. Coppola;G. N. Reeke
广义海量最优数据压缩
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Justin Alsing;B. Wandelt
通讯作者：
B. Wandelt
松田卓也：皇家天文学会月刊（1987）。
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
通讯作者：
--
B 模式之外的 CMB 消镜
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
D. Green;Joel Meyers;A. V. Engelen
通讯作者：
A. V. Engelen