Reionisation time field reconstruction from 21-cm Maps: Investigating predictor coherence in WDM cosmology

ملخص تقني: إعادة بناء حقل زمن إعادة التأين من خرائط الـ 21-سم في كون المادة المظلمة الدافئة (WDM)

بيان المشكلة
تعد حقبة إعادة التأين (EoR) مرحلة حرجة في التطور الكوني، ومع ذلك لا يزال تاريخها التفصيلي غامضاً. ورغم أن حقل زمن إعادة التأين، $t_{\text{reion}}(\vec{r})$، يقدم رؤية شاملة لمتى وأين أصبح الكون متأيناً، إلا أنه لا يمكن رصده بشكل مباشر. أظهرت أعمال سابقة (Hielgel et al. 2023) أن الشبكات العصبية الالتفافية (CNNs) يمكنها استنتاج $t_{\text{reion}}(\vec{r})$ من خرائط الـ 21-سم عند انزياح أحمر ثابت. ومع ذلك، يوجد قصور جوهري: فهذه المتنبئات يتم تدريبها على نماذج إعادة تأين محددة (مثل المادة المظلمة الباردة، CDM). وعند تطبيقها على بيانات رصدية قد تنبع من ظروف فيزيائية مختلفة (مثل المادة المظلمة الدافئة، WDM)، تظل موثوقية هذه المتنبئات غير مؤكدة. هناك حاجة لتقييم "تماسك" (coherence) هذه المتنبئات — وتحديداً، ما إذا كان المتنبئ المدرب على نموذج واحد يعطي نتائج متسقة عند تطبيقه على بيانات ناتجة عن نموذج مختلف، وما إذا كان من الممكن استخدام مثل هذه التناقضات للتحقق من النماذج الكونية الأساسية أو استبعادها.

المنهجية
يقترح المؤلفون طريقة لتقييم تماسك المتنبئ عبر اعتبار نموذج المادة المظلمة الباردة (CDM) مدخلاً مرجعياً. تستخدم الدراسة خرائط 21-سم وهمية تم إنتاجها باستخدام كود المحاكاة 21cmFAST تحت كون $\Lambda$CDM، مع دمج أربعة سيناريوهات للمادة المظلمة الدافئة (WDM) بكتل جسيمات ($m_X$) تبلغ 2، 3، 5، و7 كيلو إلكترون فولت.

1. تدريب المتنبئ: تم تدريب خمسة متنبئات CNN متميزة (تعتمد على بنية U-net)، كل منها على خرائط 21-سم تتوافق مع نموذج مادة مظلمة محدد (CDM، 2 keV، 3 keV، 5 keV، 7 keV) عند انزياحات حمراء محددة ($z=8$ و $z=11$).
2. التطبيق عبر النماذج: يتمثل جوهر المنهجية في تغذية جميع المتنبئات الخمسة بخرائط 21-سم الناتجة عن نموذج CDM (باعتبارها "الرصد").
3. تقييم التماسك: يقارن المؤلفون بين حقول $t_{\text{reion}}(\vec{r})$ المعاد بناؤها من نفس المتنبئ عند انزياحين أحمرين مختلفين ($z=11$ و $z=8$). والفرضية الأساسية هي أنه بالنسبة لمتنبئ-نموذج متسق، يجب أن تكون الخصائص الإحصائية لإعادة البناء ثابتة عبر الانزياحات الحمراء.
4. المقاييس: تم حساب أربعة مقاييس إحصائية لتقييم الاتساق الذاتي للحقول المعاد بناؤها:
   • كسر حجم الهيدروجين المتعادل ($Q_{HI}$).
   • طيف القدرة لحقل زمن إعادة التأين ($P_k$).
   • الطول الإجمالي للخطوط المتساوية (يمثل الواجهة بين المناطق المتأينة والمحايدة).
   • عدد القيم الصغرى في حقل $t_{\text{reion}}$ (يمثل مصادر إعادة التأين).
5. المقدرات: تم تعريف ثلاثة مقدرات محددة لمقارنة متنبئات WDM مقابل مرجع CDM:
   • RMSE: جذر متوسط مربع الفرق بين إعادة البناء عند الانزياحين ($S_{11} - S_8$).
   • كسر التماسك ($q$): نسبة RMSE الخاص بـ CDM إلى RMSE الخاص بـ WDM.
   • معامل التحديد ($R^2_\Delta$): يقيس مسافة اتساق إعادة بناء WDM بالنسبة لاتساق إعادة بناء CDM. تشير القيمة السالبة لـ $R^2_\Delta$ إلى أن متنبئ WDM أقل اتساقاً مع المدخلات من متنبئ CDM مع نفسه.
6. تحليل اليقين: تم تقدير اليقين المعرفي (epistemic uncertainty) باستخدام تقنية Monte Carlo dropout لضمان أن ضجيج إعادة البناء لا يهيمن على المقارنات الإحصائية.

النتائج الرئيسية
تجد الدراسة أن القدرة على التمييز بين النماذج تعتمد بشدة على كتلة جسيم WDM والمقياس المستخدم:

• النماذج عالية الكتلة (5 و 7 keV): تُظهر المتنبئات المدربة على نماذج 5 و 7 keV تماسكاً ذاتياً عالياً عند تطبيقها على مدخلات CDM، حيث تظهر سلوكاً مشابهاً إحصائياً لمتنبئ CDM عبر جميع المقاييس. قيم $R^2_\Delta$ موجبة وعالية (على سبيل المثال، 0.83 لـ $Q_{HI}$ عند 7 keV)، مما يشير إلى صعوبة التمييز بين هذه النماذج و CDM باستخدام هذه الطريقة.
• النماذج منخفضة الكتلة (2 keV): يُظهر متنبئ 2 keV انحرافات كبيرة عبر جميع المقاييس. فهو ينتج قيم RMSE كبيرة وقيم $R^2_\Delta$ سالبة (على سبيل المثال، -4.8 لطول الخطوط المتساوية)، مما يشير إلى عدم توافق جوهري مع بيانات مدخلات CDM. يمكن استبعاد نموذج 2 keV بسهولة.
• النموذج المتوسط (3 keV): يُظهر متنبئ 3 keV سلوكاً متوسطاً. وبينما يتم استبعاده عموماً، فإنه يمثل حالة أكثر تعقيداً. فبالنسبة لبعض المقاييس (مثل عدد القيم الصغرى)، يُظهر كسر تماسك مرتفع ($q \approx 0.97$)، ومع ذلك فإنه لا يزال يعطي $R^2_\Delta$ أقل مقارنة بنماذج 5 و 7 keV. يشير هذا إلى أن الاعتماد على مقياس واحد غير كافٍ؛ إذ يتطلب الأمر تحليلاً متعدد المقاييس لتحديد التناقضات.
• اليقين: ظل اليقين المعرفي ($\Delta\sigma$) الناتج عن إعادة بناء CNN دون المستوى المهيمن ($\Delta\sigma < 1$) عبر جميع الملاحظات، مما يؤكد أن الانحرافات المرصودة تعود إلى عدم تطابق النموذج وليس إلى ضجيج إعادة البناء.

الأهمية والادعاءات
يدعي البحث توفير إطار عمل للتحقق من صحة متنبئات التعلم الآلي قبل تطبيقها على البيانات الرصدية الحقيقية (مثل بيانات تلسكوب SKA). تكمن الأهمية الأساسية في إثبات أن متنبئات CNN تحتفظ بالحساسية تجاه الفيزياء الكامنة في بيانات التدريب.

• اختيار النماذج: تسمح هذه الطريقة باستبعاد نماذج إعادة التأين غير المتسقة مع البيانات الرصدية. على سبيل المثال، يمكن استبعاد نموذج WDM بكتلة 2 keV بفعالية بناءً على فشله في الحفاظ على التماسك عبر الانزياحات الحمراء عند تطبيقه على بيانات شبيهة بـ CDM.
• القيود: يشير المؤلفون بتواضع إلى أن الطريقة تواجه صعوبة في التمييز بين النماذج المتشابهة فيزيائياً (مثل 5 keV و 7 keV WDM مقابل CDM). ويؤكدون أن الهدف ليس تحديد المعلمات الكونية مباشرة، بل تقييم متانة المتنبئات ضد عدم تطابق النماذج.
• العمل المستقبلي: يخلص البحث إلى أنه بينما النتائج الحالية واعدة، فإن التطبيقات المستقبلية لرصد SKA ستتطلب بنيات CNN محسنة (مثل آليات الانتباه/attention mechanisms) ومعالجة أفضل للضجيج الأدواتي والتلوث الأمامي (foreground contamination). تؤكد هذه الدراسة على ضرية التحقق من صحة المتنبئات مقابل نماذجها المدخلة لضمان تطبيقات موثوقة في دراسة إعادة تأين الكون.