标题： 使用 swyft 进行高效的边缘后验估计：停止浪费你宝贵的时间 显示英文标题

标题： Simulation-efficient marginal posterior estimation with swyft: stop wasting your precious time

摘要： 我们提出了算法 (a) 用于嵌套神经似然-证据比值估计，以及 (b) 通过参数和相应模拟的非齐次泊松点过程缓存实现模拟重复使用。 这些算法共同实现了边缘和联合后验的自动且极高效的估计。 这些算法适用于广泛的物理和天文学问题，并通常比传统的基于似然的方法提供一个数量级更好的模拟器效率。 我们的方法是无似然推断的一个例子，因此也适用于不提供可处理似然函数的模拟器。 模拟运行永远不会被拒绝，并且可以自动在未来的分析中重复使用。 作为功能原型实现，我们提供了开源软件包 swyft。 显示英文摘要

摘要： We present algorithms (a) for nested neural likelihood-to-evidence ratio estimation, and (b) for simulation reuse via an inhomogeneous Poisson point process cache of parameters and corresponding simulations. Together, these algorithms enable automatic and extremely simulator efficient estimation of marginal and joint posteriors. The algorithms are applicable to a wide range of physics and astronomy problems and typically offer an order of magnitude better simulator efficiency than traditional likelihood-based sampling methods. Our approach is an example of likelihood-free inference, thus it is also applicable to simulators which do not offer a tractable likelihood function. Simulator runs are never rejected and can be automatically reused in future analysis. As functional prototype implementation we provide the open-source software package swyft.