DINGO-TGR把双星参数与六个后牛顿相位形变参数放在同一个神经后验估计里联合推断，再用重要性采样校正网络给出的近似后验。对GW150914，推断耗时约38分钟，而bilby-tgr配dynesty约需177小时；对信噪比更高的GW250114约4.4小时对238小时。GW150914的领头主成分模式相对广义相对论有轻微偏移，但1000次类GW150914的广义相对论注入中有115次达到或超过该偏移，经验上尾p值约0.115，在5%水平上不拒绝广义相对论零假设。
Katachi-PRIME（形'）把星系三色宽带图像与测光一起送入隐式似然推断，直接给出恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度的完整后验。在GSWLC约23万个星系上，仅用gri图像的后验比5波段测光更紧，两者合用最优；同一套图像嵌入还显示，主序与宁静星系的形态能连续回溯数Gyr的恒星形成史，而星暴与绿谷星系只能保留最近的活动。
细菌基因组中重组与突变速率沿序列变化，两类信号重叠、克隆关系又构成混杂，以往方法常假设突变速率恒定或只依赖少量汇总统计量。这项研究用神经后验估计在固定克隆谱系条件下训练模拟器，对每个基因片段分别推断局部重组与突变速率，再用环形后验传播的高斯差分检测器把后验不确定性带入热点判定。模拟数据上推断值能回到真值，可信区间随基因长度增加而收窄；在蜡样芽孢杆菌群、金黄色葡萄球菌和大肠杆菌三套真实数据上分别给出了候选热点。
极质量比旋近（EMRI）的贝叶斯参数推断长期依赖以真实参数为中心的窄先验或近真值初始化的马尔可夫链，而真实观测拿不到这些信息。一种深度学习辅助框架先用神经网络从数据中给出近似后验并据此收缩搜索区域，再由粒子群优化找到高似然起点，最后分阶段做马尔可夫链蒙特卡洛采样。在两个无噪声的六个月模拟信号上，所得后验与近真值初始化的参考分析接近，网络训练完成后每个信号约需十小时。
把化学反应网络的路径判别与速率常数估计合并进一个摊销神经网络，训练一次后新实验数据只需前向计算即可给出模型后验概率和参数后验。
季节性流感模型常被要求从每周报告病例推荐抗病毒药物投放档位，但参数后验校准良好并不等于档位可识别。一种按决策损失方差加权的决策相关性评分，把后验不确定性中来自数据未收缩方向的部分折算成决策裕度的方差份额；在192个合成格点上，有界后验仍有26.7%的格点使插件动作翻转，插件规则损失了11.7%的oracle价值。在204个真实FluView区域季节上，放宽报告率先验使主臂评分从0.476升到0.733，而尺度不变对照臂保持在近零。
已读完全部报道