MMJan, 2024
重新审视宇宙距离梯度与深度学习方法，并探索其应用
LADDER: Revisiting the Cosmic Distance Ladder with Deep Learning Approaches and Exploring its Applications
Rahul Shah, Soumadeep Saha, Purba Mukherjee, Utpal Garain, Supratik Pal
TL;DR使用一种称为 LADDER（深度距离估计与重建学习算法）的新型深度学习框架，我们研究了利用宇宙的 “宇宙距离阶梯” 进行重建的前景。LADDER 通过使用巴拿松型 Ia 型超新星样本中的表观星等数据，并将数据点之间的完全协方差信息纳入训练，以产生带有相应误差的预测。我们在多个深度学习模型上进行了数个验证测试后，选定 LADDER 作为表现最佳的模型。接着，我们展示了我们的方法在宇宙学背景下的应用，包括作为模型独立的工具用于一致性检查其他数据集，如重子声学振荡、校准高红移数据集，例如伽玛射线暴，以及将其作为未来探测任务的模型独立模拟目录生成器等。我们的分析主张在这些情境中对机器学习应用的有趣但谨慎的考虑。