Buchumschlag

The future of cosmological likelihood-based inference: accelerated high-dimensional parameter estimation and model comparison

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Piras, Davide, Polanska, Alicja, Mancini, Alessio Spurio, Price, Matthew A., McEwen, Jason D.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cosmology and Nongalactic Astrophysics Instrumentation and Methods for Astrophysics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learned harmonic mean estimation of the Bayesian evidence with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2024)

Savage-Dickey density ratio estimation with normalizing flows for Bayesian model comparison
von: Lin, Kiyam, et al.
Veröffentlicht: (2025)

Learned harmonic mean estimation of the marginal likelihood with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2023)

Field-level cosmological model selection: field-level simulation-based inference for Stage IV cosmic shear can distinguish dynamical dark energy
von: Mancini, A. Spurio, et al.
Veröffentlicht: (2024)

Learned harmonic mean estimation of the marginal likelihood for multimodal posteriors with flow matching
von: Polanska, Alicja, et al.
Veröffentlicht: (2026)

Fast emulation of anisotropies induced in the cosmic microwave background by cosmic strings
von: Price, Matthew A., et al.
Veröffentlicht: (2023)

Differentiable and accelerated wavelet transforms on the sphere and ball
von: Price, Matthew A., et al.
Veröffentlicht: (2024)

Efficient prior sensitivity analysis for Bayesian model comparison
von: Hu, Zixiao, et al.
Veröffentlicht: (2026)

Testing interacting dark energy with Stage IV cosmic shear surveys through differentiable neural emulators
von: Carrion, Karim, et al.
Veröffentlicht: (2024)

Simulation-based inference with scattering representations: scattering is all you need
von: Lin, Kiyam, et al.
Veröffentlicht: (2024)

Constraining the primordial power spectrum using a differentiable likelihood
von: Chaki, Subarna, et al.
Veröffentlicht: (2025)

A complete framework for cosmological emulation and inference with CosmoPower
von: Jense, H. T., et al.
Veröffentlicht: (2024)

Using conditional GANs for convergence map reconstruction with uncertainties
von: Whitney, Jessica, et al.
Veröffentlicht: (2024)

High-Dimensional Bayesian Model Comparison in Cosmology with GPU-accelerated Nested Sampling and Neural Emulators
von: Lovick, Toby, et al.
Veröffentlicht: (2025)

Generative modelling for mass-mapping with fast uncertainty quantification
von: Whitney, Jessica J., et al.
Veröffentlicht: (2024)

Transfer learning for multifidelity simulation-based inference in cosmology
von: Saoulis, Alex A., et al.
Veröffentlicht: (2025)

Scattering transforms on the sphere, application to large scale structure modelling
von: Mousset, Louise, et al.
Veröffentlicht: (2024)

PROSPECT: A profile likelihood code for frequentist cosmological parameter inference
von: Holm, Emil Brinch, et al.
Veröffentlicht: (2023)

Fast likelihood-free inference in the LSS Stage IV era
von: Abellán, Guillermo Franco, et al.
Veröffentlicht: (2024)

A comparison of shrinkage estimators of the cosmological precision matrix
von: Looijmans, Marnix J., et al.
Veröffentlicht: (2024)

Accelerated Bayesian parameter estimation and model selection for gravitational waves with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2024)

Differentiable and accelerated spherical harmonic and Wigner transforms
von: Price, Matthew A., et al.
Veröffentlicht: (2023)

A representation learning approach to probe for dynamical dark energy in matter power spectra
von: Piras, Davide, et al.
Veröffentlicht: (2023)

Field-level inference in cosmology
von: Leclercq, Florent
Veröffentlicht: (2025)

Probabilistic cosmological inference on HI tomographic data
von: Andrianomena, Sambatra
Veröffentlicht: (2025)

CLiENT: A new tool for emulating cosmological likelihoods using deep neural networks
von: Janken, Luca, et al.
Veröffentlicht: (2025)

Bayesian distances for quantifying tensions in cosmological inference and the surprise statistic
von: Schosser, Benedikt, et al.
Veröffentlicht: (2024)

Accurate field-level weak lensing inference for precision cosmology
von: Zhou, Alan Junzhe, et al.
Veröffentlicht: (2023)

Lagrangian displacement field estimators in cosmology
von: Ota, Atsuhisa, et al.
Veröffentlicht: (2022)

Towards cosmological inference on unlabeled out-of-distribution HI observational data
von: Andrianomena, Sambatra, et al.
Veröffentlicht: (2024)

Approximating non-Gaussian Bayesian partitions with normalising flows: statistics, inference and application to cosmology
von: Röspel, Tobias, et al.
Veröffentlicht: (2025)

$Λ$CDM and early dark energy in latent space: a data-driven parametrization of the CMB temperature power spectrum
von: Piras, Davide, et al.
Veröffentlicht: (2025)

Ten-parameter simulation suite for cosmological emulation beyond $Λ$CDM
von: Yang, Yanhui, et al.
Veröffentlicht: (2025)

Benchmarking field-level cosmological inference from galaxy redshift surveys
von: Simon, Hugo, et al.
Veröffentlicht: (2025)

Proximal nested sampling for high-dimensional Bayesian model selection
von: Cai, Xiaohao, et al.
Veröffentlicht: (2021)

CosmoForge I: A unified framework for QML power spectrum estimation and pixel-based likelihood analysis
von: Galloni, Giacomo, et al.
Veröffentlicht: (2026)

A covariant formulation for cosmological radiative transfer of the 21-cm line
von: Chan, Jennifer Y. H., et al.
Veröffentlicht: (2024)

Dark Energy Survey Year 3 results: $w$CDM cosmology from simulation-based inference with persistent homology on the sphere
von: Prat, J., et al.
Veröffentlicht: (2025)

Accurate measurement of telescope filter bandpasses with a Collimated Beam Projector and impact on cosmological parameters
von: Neveu, Jérémy, et al.
Veröffentlicht: (2024)

Deep inference of simulated strong lenses in ground-based surveys
von: Poh, Jason, et al.
Veröffentlicht: (2025)