Predicting galaxy bias using machine learning

ملخص تقني: التنبؤ بانحياز المجرات باستخدام تعلم الآلة

بيان المشكلة
يعد فهم كيفية تتبع المجرات لحقل كثافة المادة الكامنة أمراً جوهرياً لعلم الكونيات الرصدي ونماذج تشكل المجرات. ويتم قياس هذا الارتباط عبر ما يسمى بانحياز المجرات ($b$). وبينما تعتمد النهج التحليلية التقليدية غالباً على قياسات متوسط الجمهرة للانحياز (مثل أطياف القدرة أو دالات الارتباط)، فإن هذه الطرق تواجه صعوبة في فك الارتباط بين التبعيات المحددة للخصائص الداخلية للهالات والعوامل البيئية بسبب قيود نسبة الإشارة إلى الضجيج والطبيعة العشوائية المتأصلة في العلاقة بين المادة والهالة والمجرة. تؤكد الأدبيات الحديثة على الحاجة إلى أطر عمل احتمالية لالتقاط التباين الجوهري في هذه العلاقة. يعالج هذا العمل تحدي التنبؤ بالانحياز الخطي الفردي ($b_i$) للمجرات بناءً على خصائص هالتها المضيفة، وبيئتها المحلية، وموقعها في الشبكة الكونية، مع نمذجة الطبيعة العشوائية لمعلم الانحياز بشكل صريح.

المنهجية
تستخدم الدراسة بيانات من محاكاة IllustrisTNG300 المغناطيسية الهيدروديناميكية. وتتكون مجموعة البيانات من 174,607 مجرة مركزية تم اختيارها بكتل هالات $M_{vir} > 10^{10.5} h^{-1}M_\odot$ وكتل نجمية $M_* > 10^{8.75} h^{-1}M_\odot$.

• المتغير المستهدف: يتم حساب الانحياز الخطي الفردي واسع النطاق ($b_i$) لكل مجرة باستخدام صيغة المقدر لكل كائن على حدة والتي قدمها Paranjape et al. (2018) وطورها Balaguera-Antolínez et al. (2024). وتخصص هذه الطريقة قيمة انحياز محددة لكل مجرة بناءً على نسبة أطياف القدرة للمجرات-المادة إلى المادة-المادة في الحد واسع النطاق ($k \leq 0.2 \, h \, \text{Mpc}^{-1}$).
• ميزات المدخلات: يتم تدريب النماذج على مجموعة من الميزات تشمل:
  • الخصائص الداخلية للهالة: الكتلة الفيريال ($M_{vir}$)، إزاحة تكوين الزمن الأحمر ($z_{1/2}$)، التركيز ($c_{vir}$)، والدوران المغزلي ($\lambda_{halo}$).
  • خصائص المجرة: الكتلة النجمية ($M_*$) واللون ($g-i$).
  • البيئة المحلية: الكثافة الزائدة ($\delta_3, \delta_5, \delta_8$) المحسوبة على مقاييس 3، 5، و $8 \, h^{-1}\text{Mpc}$.
  • موقع الشبكة الكونية: المسافات إلى النقاط الحرجة (الفراغات، العقد، نقاط السرج، والخيوط) التي تم تحديدها عبر خوارزمية DisPerSE.
• إطار تعلم الآلة: يتم تقييم ثلاثة نماذج متميزة على مجموعة بيانات مقسمة (58% للتدريب، 30% للاختبار، 12% للتحقق):
  1. مُقدر الغابة العشوائية (RF): طريقة تجميعية حتمية.
  2. الشبكة العصبية (NN): نموذج تعلم عميق حتمي أحادي المخرج.
  3. التدفقات الطبيعية (NF): نموذج توليدي احتمالي (تحديداً Neural Spline Flows) مصمم لتعلم توزيع الاحتمال الشرطي $p(b_i | \{x\}_i)$، حيث تمثل $\{x\}_i$ ميزات المدخلات.
• مقاييس التقييم: يتم تقييم الأداء باستخدام معامل ارتباط بيرسون (PCC)، واختبار كولموغوروف–سميرنوف (K–S)، ومسافة واسرستاين (WD). بالنسبة لنموذج NF الاحتمالي، تُحسب المقاييس لكل من تحقق عشوائي واحد ومتوسط 1,000 تحقق.

المساهمات الرئيسية

1. دمج الانحياز لكل كائن على حدة: نجح العمل في دمج صيغة الانحياز الفردي في خط معالجة تعلم الآلة، مع معاملة $b_i$ كخاصية محددة لكل مجرة بدلاً من كونها متوسطاً للجمهرة.
2. النمذجة الاحتمالية للانحياز: توضح الدراسة أن النماذج الحتمية (RF و NN) تفشل في إعادة إنتاج العرض الكامل وذيول توزيع الانحياز، بينما يمكن لتدفقات النماذج الطبيعية (NF) التقاط العشوائية الجوهرية والتوزيعات المشتركة للانحياز مع خصائص المجرات الأخرى بدقة.
3. تحليل أهمية الميزات: يحدد العمل، من خلال أهمية الميزة عبر التبديل (PFI) وتحليل الارتباط، التأثير النسبي للخصائص البيئية مقابل الخصائص الداخلية على انحياز المجرات.

النتائج

• تبعيات الميزات: يكشف تحليل الارتباط أن الكثافات الزائدة المحلية، وخاصة $\delta_8$، هي الميزات الأكثر ارتباطاً بقوة بانحياز المجرات. ويليها المسافات إلى هياكل الشبكة الكونية، وبدرجة أقل، الخصائص الداخلية للهالة. ومن بين الخصائص الداخلية، يظهر إزاحة تكوين الزمن الأحمر ($z_{1/2}$) أقوى ارتباط، متجاوزاً كتلة الهالة في العينة الكاملة.
• أداء النماذج:
  • النماذج الحتمية: تحقق نماذج RF و NN قيم PCC عالية (0.811 و 0.797 على التوالي)، لكنها تظهر إحصائيات اختبار K-S ومسافات واسرستاين عالية، مما يشير إلى أنها تتنبأ بالاتجاه المتوسط بدقة ولكنها تفشل في إعادة إنتاج تشتت التوزيع وذيوله.
  • النموذج الاحتمالي (NF): عند التنبؤ بتحقق عشوائي واحد، يحقق نموذج NF إحصائية K-S قدرها 0.010 ومسافة WD قدرها 0.046، متفوقاً بشكل كبير على النماذج الحتمية في إعادة إنتاج شكل التوزيع الحقيقي. وبينما تكون قيمة PCC لتحقق واحد أقل (0.652) بسبب التشتت الجوهري، إلا أن النموذج ينجح في التقاط السلوك العالمي دون انحياز منهجي. أما التنبؤ المتوسط لـ NF فيؤدي أداءً مقارباً لـ RF من حيث PCC (0.807) ولكنه يحتفظ بالقدرة على نمذجة عرض التوزيع.
• التوزيعات المشتركة: ينجح نموذج NF في إعادة إنتاج التشتت في التوزيعات المشتركة، مثل الانحياز مقابل الكتلة النجمية والانحياز مقابل اللون، مع إحصائيات K-S ثنائية الأبعاد تبلغ 0.017 و 0.029 على التوالي.
• التوزيعات الشرطية: تظهر الدراسة أن قدرة نموذج NF على تقييد التوزيعات الاحتمالية الفردية تعتمد بشدة على ميزات المدخلات. إذ يؤدي التقييد بميزات منخفضة المعلومات (مثل دوران الهالة) إلى توزيعات عريضة مشابهة للمعلومات المسبقة العالمية، بينما يؤدي التقييد بميزات عالية المعلومات (مثل $\delta_8$) إلى توزيعات محددة بدقة لكل كائن.

الأهمية
يزعم البحث أن إطاره يوفر أساساً للجهود المستقبلية لقياس انحياز المجرات الفردي باستخدام المسوح الطيفية القادمة، مثل أداة DESI. ومن خلال إثبات أن الطرق الاحتمالية مثل التدفقات الطبيعية (Normalizing Flows) ضرورية لالتقاط التباين الجوهري لانحياز المجرات، يقدم العمل أداة أكثر قوة للاستدلال الكوني. وتشير النتائج إلى أنه بينما تكفي النماذج الحتمية للتنبؤ بالاتجاهات المتوسطة، إلا أنها غير كافية لتوصيف الطبيعة العشوائية الكاملة للارتباط بين المجرة والهالة، وهو أمر بالغ الأهمية لعلم الكونيات الدقيق. كما تسلط الدراسة الضوء على أن الخصائص البيئية، وتحديداً الكثافات الزائدة واسعة النطاق، تهيمن على التنبؤ بانحياز المجرات على الخصائص الداخلية للهالة.