The effect of the perturber population on subhalo measurements in strong gravitational lenses
Notice bibliographique
Résumé
ABSTRACT Analyses of extended arcs in strong gravitational lensing images to date have constrained the properties of dark matter by measuring the parameters of one or two individual subhaloes. However, since such analyses are reliant on likelihood-based methods like Markov-chain Monte Carlo or nested sampling, they require various compromises to the realism of lensing models for the sake of computational tractability, such as ignoring the numerous other subhaloes and line-of-sight haloes in the system, assuming a particular form for the source model and requiring the noise to have a known likelihood function. Here, we show that a simulation-based inference method called truncated marginal neural ratio estimation (TMNRE) makes it possible to relax these requirements by training neural networks to directly compute marginal posteriors for subhalo parameters from lensing images. By performing a set of inference tasks on mock data, we verify the accuracy of TMNRE and show it can compute posteriors for subhalo parameters marginalized over populations of hundreds of substructures, as well as lens and source uncertainties. We also find that the multilayer perceptron (MLP) mixer network works far better for such tasks than the convolutional architectures explored in other lensing analyses. Furthermore, we show that since TMNRE learns a posterior function it enables direct statistical checks that would be extremely expensive with likelihood-based methods. Our results show that TMNRE is well-suited for analysing complex lensing data, and that the full subhalo and line-of-sight halo population must be included when measuring the properties of individual dark matter substructures with this technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».