强烈的引力透镜已成为一种有前途的方法,用于探测亚半乳尺度上的暗物质模型。最近的工作提出了Subhalo有效密度斜率比常用的Subhalo质量功能更可靠。 subhalo有效密度斜率是一个独立于对基础密度曲线的假设的测量值,可以通过传统的采样方法来推断单个Subhalos。为了超越单个Subhalo测量,我们利用机器学习的最新进展,并引入神经似然比估计器来推断Subhalos人群的有效密度斜率。我们证明我们的方法能够利用多个Subhalos(内部和跨多个图像)的统计能力来区分不同Subhalo种群的特征。神经似然比估计量对传统抽样的估计值所需的计算效率可以实现对暗物质遗传的统计研究,并且特别有用,因为我们希望从即将进行的调查中涌入强镜头系统。
translated by 谷歌翻译