宇宙学中的贝叶斯分析
cobaya的Python项目详细描述
| Author: | Jesus Torrado and Antony Lewis |
|---|---|
| Source: | Source code at GitHub |
| Documentation: | Documentation at Readthedocs |
| Licence: | LGPL + mandatory bug reporting asap + mandatory arXiv’ing of publications using it (see LICENCE.txt for exceptions). The documentation is licensed under the GFDL. |
| E-mail list: | https://cosmocoffee.info/cobaya/ – sign up for important bugs and release announcements! |
| Support: | For general support, CosmoCoffee; for bugs and issues, use the issue tracker. |
| Installation: | ^{tt1}$ (see the installation instructions; in general do not clone) |
co bay a（code用于bayesiana分析，西班牙语中的豚鼠是一个用于采样和统计建模的框架：它允许您使用一系列蒙特卡罗采样器（包括来自CosmoMC的高级mcmc采样器和高级嵌套采样器PolyChord）来探索任意的先验或后验。取样结果可用GetDist分析。它支持MPI并行化（并且很快就支持带有Docker/Shifter和Singularity的HPC容器化）。
它的作者是Jesus Torrado和Antony Lewis。一些想法和代码片段已经改编自其他代码（例如Antony Lewis和贡献者编写的CosmoMC，以及Julien Lesgourgues和Benjamin Audren编写的Monte Python）。
cobaya从一开始就被认为是高度且容易扩展的：不需要接触cobaya的源代码，就可以定义自己的prior和likelihood，创建新的参数作为其他参数的函数…
虽然cobaya是一个通用的统计框架，但它包括与宇宙学theory codes（CAMB和CLASS）和likelihoods of cosmological experiments（planck，bicep keck，sdss…等即将推出）的接口。所有这些外部模块都包括自动安装程序。您还可以使用cobaya作为宇宙学模型和likelihood的包装，并将其集成到您自己的采样器/管道中。
大多数宇宙学相似性的接口对于用哪种理论代码来计算观测值是不可知的，这有助于这些代码之间的比较。这些接口也是参数不可知的，因此使用您自己修改过的理论代码版本和likelihood不需要对cobaya的源代码进行额外的编辑。
每次后验评估的开销是每次后验评估的< 0.1 ms / dimension（主要是由于在前验评估的scipy.statslogpdf），这使得它适合大多数宇宙学应用（运行CAMB和CLASS需要几秒钟），但不一定适用于更一般的统计应用，如果所涉及的每个pdf的评估时间为该顺序或更小。
如何引用我们
到这个版本为止，还没有与这个软件相关的科学出版物，所以只要提到它的GitHub repository。
为了恰当地引用您使用过的模块（示例、理论代码，比如elihood），只需运行脚本cobaya bib并将输入文件作为参数，您将得到输入文件中提到的每个模块的bibtex引用和一个简短的建议文本片段。您可以找到一个用法示例here。
致谢
感谢Julien Lesgourgues对接口CLASS的支持，感谢Guadalupe Cañas Herrera和Vivian Miranda进行了广泛而有点痛苦的测试。
欢迎加入QQ群-->： 979659372
