Key points are not available for this paper at this time.
우리는 시뮬레이션 기반 추론(SBI) 방법을 사용하여 Subaru Hyper Suprime-Cam (HSC) 첫 해(Y1) 데이터로부터 약한 렌즈 효과에 의한 우주론적 제약을 제시합니다. % 우리는 Minkowski 기능, 봉우리 및 최솟값의 수, 확률 분포 함수 등의 일련의 고차 통계(HOS)의 성능을 탐구하고 이를 전통적인 2점 통계와 비교합니다. 비가우시안 통계로도 알려진 HOS는 2점 통계로 접근할 수 없는 추가적인 비가우시안 정보를 추출할 수 있습니다. 우리는 신경망을 사용하여 요약 통계를 압축하고, 이후 SBI 접근법을 통해 우주론적 매개변수의 사후 분포를 추론합니다. 시스템적 영향을 완화하기 위해 각도 스케일 및 적색 편이 빈에 컷을 적용합니다. 2점 통계와 비가우시안 통계를 결합하여 S₈ ₈ ₘ/0.3 = 0.804-₀.₀₄₀^+0.041 및 ₘ = 0.344-₀.₀₉₀^+0.083을 얻으며, 이는 비가우시안 통계만 이용했을 때와 유사합니다. 이 결과는 이전 HSC 분석 및 Planck 2018 우주론과 일치합니다. 비가우시안 통계로부터의 제약은 2점 통계에 비해 S₈에서 25% 더 정확하며, 주요 개선은 ₘ에서 이루어지며 각도 전력 스펙트럼만 사용했을 때에 비해 40% 더 좁은 오차 범위를 갖습니다(S₈ = 0.766-₀.₀₅₆^+0.054 및 ₘ = 0.365-₀.₁₄₁^+0.148). 우리가 연구한 비가우시안 통계 중에서 Minkowski 기능이 이러한 개선의 주요 원인임을 발견하였습니다. 우리의 분석은 데이터의 가능성의 함수형태에 대한 어떠한 가정도 피하면서 우주론적 제약을 위한 SBI가 강력한 접근법임을 확인합니다.
Novaes et al. (Mon,)은 이 질문을 연구했습니다.