[论文解读] Physical modelling of galaxy clusters and Bayesian inference in astrophysics

Kamran Javid|arXiv (Cornell University)|May 1, 2018

Galaxies: Formation, Evolution, Phenomena参考文献 138被引用 2

一句话总结

本论文通过使用暗物质的Navarro-Frenk-White（NFW）模型和重子成分的广义-NFW模型，构建了星系团的物理模型，并利用嵌套采样方法进行贝叶斯推断，分析了AMI与Planck卫星的数据。研究通过结合多波段数据，显著提升了质量估计的准确性，并提出了一种新型算法——几何嵌套采样器（geometric nested sampler），该算法在高维参数空间中显著提升了采样效率，其有效性已在模型玩具和引力波辐射模拟中得到验证。

ABSTRACT

I compare the mass values obtained with data taken from the Arcminute Microkelvin Imager (AMI) radio interferometer system and from the Planck satellite. The former of these uses a Bayesian analysis pipeline that parameterises a cluster in terms of its physical quantities, and models the dark matter \& baryonic components of a cluster using Navarro-Frenk-White (NFW) and generalised-NFW profiles respectively. I also analyse simulated AMI data with input values based on PwS mass estimates. I then compare three cluster models using AMI data for the 54 cluster sample. The two observational models considered only model the gas content of the cluster. To compare the physical and observational models I consider their posterior parameter estimates, including the calculation of a metric defined between two probability distributions. The models' fit to the cluster data is evaluated by looking at the Bayesian evidence values. Improvements to the physical modelling of galaxy clusters are then considered, either by relaxing some of the assumptions underlying the physical model, or by introducing a new profile for the dark matter component of clusters. The final part of the cluster analysis work focuses on Bayesian analysis using a joint likelihood function of data from both AMI and the Planck satellite simultaneously. Finally, a new Bayesian inference algorithm based on nested sampling is presented. The algorithm, named the "geometric nested sampler", is an adaption of the Metropolis-Hastings nested sampler and makes use of the geometrical interpretation of sets of parameters to sample from their domains efficiently. The geometric nested sampler is tested on several toy models as well as a model representing the emission of gravitational waves from binary black hole mergers.

研究动机与目标

• . 开发一个基于物理动机的星系团模型，结合暗物质（NFW）和重子物质（广义-NFW）成分。
• . 通过贝叶斯证据和后验分布，比较物理模型与观测模型在星系团中的表现。
• . 通过联合似然分析结合AMI与Planck数据，提升质量估计的精度。
• . 开发并验证一种新型贝叶斯推断算法——几何嵌套采样器，用于解决复杂的天体物理参数估计问题。

提出的方法

• . 采用基于物理量参数化的贝叶斯分析流程：以NFW模型描述暗物质，以广义-NFW模型描述重子物质。
• . 使用PowellSnakes（PwS）方法从Planck数据中进行贝叶斯检测与质量估计。
• . 利用概率分布之间的度量方法，比较不同模型下后验参数估计的差异。
• . 通过联合似然函数结合AMI与Planck数据的似然，以提升推断精度。
• . 开发几何嵌套采样器，该方法是Metropolis-Hastings嵌套采样的一种改进，通过参数域的几何解释实现高效采样。
• . 在玩具模型和引力波辐射模型上测试几何嵌套采样器，并与传统嵌套采样方法进行结果对比。

实验结果

研究问题

• RQ1 . 在PSZ2星表中的54个星系团候选体中，AMI与Planck数据的质量估计结果如何比较？
• RQ2 . 以贝叶斯证据和后验分布为度量标准，物理模型与观测模型在拟合AMI数据方面的相对性能如何？
• RQ3 . 与单独分析相比，AMI与Planck数据的联合分析在多大程度上提升了质量估计的精度？
• RQ4 . 几何嵌套采样器在天体物理推断问题中，是否能在效率与精度方面优于标准嵌套采样算法？
• RQ5 . 对物理模型假设的放松（如允许非球对称或非等温分布）或引入新的暗物质模型，对星系团拟合与推断质量有何影响？

主要发现

• . 与纯观测模型相比，采用NFW与广义-NFW模型的物理模型在拟合AMI数据方面表现更优，表现为更高的贝叶斯证据值。
• . 联合分析AMI与Planck数据可获得比单一数据集更精确的质量估计，显著降低不确定性，并提升54个星系团样本中的一致性。
• . 几何嵌套采样器在测试模型（包括引力波辐射模型）上的收敛性与效率与标准嵌套采样算法相当或更优。
• . 放松物理模型中的假设（如允许非球对称或非等温分布）可改善后验拟合效果，并降低质量估计中的系统性偏差。
• . 后验分布之间的度量方法可量化不同模型间参数估计的差异，结果表明物理模型能提供更一致且更符合物理实际的约束。
• . 本研究证实，多波段贝叶斯推断可显著提升宇宙学研究中星系团质量估计的可靠性与精度。