[论文解读] Eryn : A multi-purpose sampler for Bayesian inference

Nikolaos Karnesis, Michael L. Katz+3 more|arXiv (Cornell University)|Mar 3, 2023

Pulsars and Gravitational Waves Research参考文献 93被引用 5

一句话总结

Eryn 是一种多功能、开源的马尔可夫链蒙特卡洛（MCMC）采样器，结合了可逆跳跃MCMC与并行退火技术，可在动态参数空间中实现高效的贝叶斯推断，尤其适用于复杂的引力波数据分析。在模拟的LISA类环境中，它成功恢复了10个注入的超紧凑双星信号中的8个，展示了其在源混淆受限场景下进行跨维采样的能力。

ABSTRACT

In recent years, methods for Bayesian inference have been widely used in many different problems in physics where detection and characterization are necessary. Data analysis in gravitational-wave astronomy is a prime example of such a case. Bayesian inference has been very successful because this technique provides a representation of the parameters as a posterior probability distribution, with uncertainties informed by the precision of the experimental measurements. During the last couple of decades, many specific advances have been proposed and employed in order to solve a large variety of different problems. In this work, we present a Markov Chain Monte Carlo (MCMC) algorithm that integrates many of those concepts into a single MCMC package. For this purpose, we have built { t Eryn}, a user-friendly and multipurpose toolbox for Bayesian inference, which can be utilized for solving parameter estimation and model selection problems, ranging from simple inference questions, to those with large-scale model variation requiring trans-dimensional MCMC methods, like the LISA global fit problem. In this paper, we describe this sampler package and illustrate its capabilities on a variety of use cases.

研究动机与目标

• 开发一种通用、用户友好的MCMC工具箱，能够处理具有动态参数维度的复杂贝叶斯推断问题。
• 解决如LISA全局拟合等高维、跨维问题中模型选择与参数估计的计算挑战。
• 在重叠信号场景（如LISA数据中数百万个超紧凑双星的混淆背景）中实现高效采样。
• 提供一种灵活、可扩展的框架，支持标准与跨维MCMC采样，超越专用的单一功能工具。
• 支持构建完整的LISA数据分析流水线，能够从密集的重叠信号背景中分辨出单个源。

提出的方法

• 采用可逆跳跃MCMC算法，实现在不同维度模型之间的跨维移动，实现对模型空间与参数空间的联合推断。
• 集成并行退火技术，提升高维、多峰后验分布中的混合效率与收敛性。
• 使用基于B样条的谱模型，实现对未知信号波形的形态无关推断，这对于检测形态信息不明确的信号至关重要。
• 结合迭代搜索阶段与固定源建模，先识别并隔离明亮源，再对弱信号应用跨维采样。
• 实施维度匹配技术与自适应提议分布，确保在不同维度模型之间实现平滑过渡。
• 利用GBGPU软件包高效计算LISA频段内超紧凑双星的波形。

(a)

实验结果

研究问题

• RQ1 单一通用MCMC采样器能否有效处理复杂引力波数据中标准参数估计与跨维模型选择的双重任务？
• RQ2 结合并行退火的可逆跳跃MCMC采样器在类似LISA的混淆受限环境中，对弱重叠信号的恢复能力如何？
• RQ3 基于B样条的形态无关谱模型在模拟LISA数据中检测未知波形信号时的性能如何？
• RQ4 迭代源提取后接跨维采样是否能提升密集信号场中的收敛性与准确性？
• RQ5 与现有专用工具（如bilby）相比，Eryn在处理动态参数空间与模型选择任务时表现如何？

主要发现

• 在为期一年的模拟LISA观测中，Eryn成功恢复了10个注入的超紧凑双星信号中的8个，且聚焦于4 mHz的窄带频段。
• 即使在信号重叠与信噪比较低的情况下，采样器仍表现出稳健的收敛性，尤其对信噪比（SNR）低于10的最优源表现更佳。
• 迭代源固定与可逆跳跃MCMC的结合，显著加快了残差数据中弱信号的收敛速度并提升了检测能力。
• Eryn基于B样条的谱模型能够有效检测未知波形信号，充分体现了其在形态无关推断中的实用性。
• 在跨维采样任务中，该工具优于现有库（如bilby），因其专为动态模型空间探索而设计。
• Eryn已应用于多篇已发表及即将发表的研究，验证了其在真实引力波数据分析中强大的鲁棒性与通用性。

(b)