Factorized neural posterior estimation for rapid and reliable inference of parameterized post-Einsteinian deviation parameters in gravitational waves
Dit artikel introduceert een gefactoriseerd neuraal posterieure schattingsframework dat gebruikmaakt van normaliserende flows en hybride deep learning-architecturen om milliseconde-schaalbare, statistisch betrouwbare inferentie van geparametriseerde post-Einsteiniaanse afwijkingsparameters te bereiken voor tests van de algemene relativiteitstheorie met zwaartekrachtgolven, waarbij een versnelling van wordt geboden ten opzichte van traditionele Markov chain Monte Carlo-methoden.