Increasing the Precision of Surrogate Models for Weak Lensing Mass Maps with Flow Matching

ملخص تقني: زيادة دقة النماذج البديلة لخرائط الكتلة في العدسات الجاذبية الضعيفة باستخدام مطابقة التدفق

بيان المشكلة
توفر العدسات الجاذبية الضعيفة مسبارًا مباشرًا للبنية واسعة النطاق للكون، حيث تشفر معلومات غير غاوسية في خرائط التقارب (الكتلة) التي لا يمكن الوصول إليها عبر الإحصاءات التقليدية ثنائية النقاط. يعد النمذجة الأمامية الدقيقة لهذه الخرائط أمرًا ضروريًا للاستدلال الكوني، وهو ما يعتمد عادةً على محاكاة $N$-body المكلفة حاسوبيًا. وبينما تم اقتراح نماذج بديلة تعتمد على التعلم العميق، وتحديدًا الشبكات التنافسية التوليدية (GANs)، لتسريع هذه العملية، إلا أن الأساليب الحالية تعاني من قيود كبيرة. فغالبًا ما تفشل النماذج البديلة القائمة على GAN في مطابقة الإحصاءات الملخصة بالدقة الكافية (عادةً أخطاء بنسبة 5-10%)، وتنتج خرائط مفرطة في التنعيم، وتواجه صعوبة في التقاط التوزيع الصحيح لمجموعات الخرائط (تفشل في إعادة إنتاج التوزيع الاحتمالي الكامل بدلاً من مجرد "المنوال")، كما تعاني من عدم استقرار التدريب. علاوة على ذلك، يظل التوليد الشرطي عبر المعلمات الكونية المستمرة (مثل كثافة المادة $\Omega_m$ وسعة التكتل $\sigma_8$) تحديًا نظرًا لصعوبات التعلم غير المتجانسة عبر فضاء التسميات (labels).

المنهجية
يقترح المؤلفون إطار عمل مطابقة التدفق المتبقي المشروط بالتسمية (RLCFM) لتوليد خرائط تقارب عالية الدقة مشروطة بالمعلمات الكونية. يبني هذا النهج على التدفقات الطبيعية المستمرة (CNF) ومطابقة التدفق (FM)، والتي تتعلم حقل متجه يعتمد على الزمن لنقل توزيع أولي إلى توزيع بيانات مستهدف.

المكونات المنهجية الرئيسية تشمل:

1. مطابقة التدفق المتبقي المشروط بالتسمية: بدلاً من تدريب تدفق قياسي مشروط بالتسمية، يقدم المؤلفون إعادة تمثيل في فضاء متبقي (residual space). حيث يقومون بطرح المتوسط الخاص بالتسمية ($\mu_0(y)$) من الخرائط المستهدفة قبل التدريب. يزيل هذا الإجراء الانزياحات التافهة في المتوسط المعتمدة على التسمية، مما يسمح للشبكة بالتركيز على تعلم الهيكل المتبقي القابل للنقل. يهدف هذا التصميم إلى تثبيت الاستيفاء (interpolation) عبر المعلمات الكونية.
2. المنطلق الغاوسي الخاص بالتسمية: يستخدم النموذج منطلقًا غاوسيًا مدفوعًا بالبيانات وخاصًا بالتسمية $p(x|y)$ بدلاً من منطلق واحد مشترك. يتم اشتقاق متوسط وتباين هذا المنطلق من إحصاءات التوزيع الشرطي $q(x|y)$ عند $t=0$، لنقل هذا المنطلق المحدد إلى التوزيع المستهدف عند $t=1$.
3. هدف التدريب: يتم تدريب الشبكة لتقليل خسارة مطابقة التدفق، من خلال ريجريشن (regression) لحقل المتجه المعتمد على الزمن الذي ينقل المنطلق الخاص بالتسمية إلى خرائط التقارب المستهدفة. يتم إجراء التدريب على مجموعة بيانات لـ 57 نموذجًا كونيًا ($\Omega_m, \sigma_8$) ضمن إطار $\Lambda$CDM المسطح، وتتكون من 684,000 خريطة بحجم $128 \times 128$ بكسل.
4. المعالجة المسبقة للبيانات: يتم تحويل خرائط التقارب عبر اللوغاريتم (الذي يقرب حقل لوغاريتمي طبيعي) وتنميطها. تتعلم النموذج توليد الحقل المتبقي $r = \tilde{x} - \mu_0(y)$، والذي يتم إعادة بنائه عند الاستدلال بإضافة المتوسط الخاص بالتسمية مرة أخرى.

المساهمات الرئيسية

• بنية مبتكرة: تقديم بنية RLCFM، التي تجمع بين المنطلقات الخاصة بالتسمية والتدريب في الفضاء المتبقي لمعالجة تحديات عدم الاستقرار والاستيفاء في النمذجة التوليدية الشرطية في علم الكونيات.
• دقة محسنة: يحقق الأسلوب دقة أعلى بكثير من معايير GAN السابقة. فقد قلل الأخطاء في الإحصاءات الأساسية (توزيعات البكسل/القمم، الطيف القدرتي) من $<10\%$ إلى $<1\%$، وفي الإحصاءات العليا (البيسبيكتروم، دوال مينكوفسكي) من $<20\%$ إلى $<5\%$.
• دقة على مستوى التوزيع: على عكس GAN التي غالبًا ما تناسب "المنوال" للبيانات، نجح نموذج RLCFM في إعادة إنتاج التوزيع الكامل للإحصاءات الملخصة الناتجة عن الظروف الأولية العشوائية، مما يطابق تباين محاكاة $N$-body.
• استيفاء قوي: أظهر النموذج أداءً مستقرًا عبر فضاء المعلمات الكونية، بما في ذلك عند اختبار الكوزمولوجيا المحجوزة (held-out) وعند حواف الشبكة، حيث تزداد الأخطاء بشكل طفيف فقط عند الحدود مقارنة بالمركز.

النتائج
قيم المؤلفون نموذج RLCFM مقابل محاكاة $N$-body باستخدام مجموعة شاملة من المقاييس:

• الجودة البصرية: خرائط التوليد غير قابلة للتمييز بصريًا عن مراجع $N$-body، مع تطور مورفولوجي متسق مع تغير $\Omega_m$ و $\sigma_8$.
• الإحصاءات الملخصة:
  • توزيعات البكسل والقمم: مسافات Wasserstein-1 الموحدة عادة ما تكون $<0.01$.
  • الطيف القدري ($C_\ell$): الاختلافات الكسرية عادة ما تكون $<1\%$.
  • البيسبيكتروم ($B_\ell$): الاختلافات الكسرية عادة ما تكون $<5\%$.
  • دوال مينكوفسكي ($V_0, V_1, V_2$): الاختلافات الكسرية عمومًا أقل من 3%.
  • مصفوفات الارتباط: تباين معيار فوروبينيوس بين مصفوفات ارتباط RLCFM و $N$-body عادة ما يكون $<3\%$.
  • التشابه الهيكلي (MS-SSIM): أهمية الفرق في درجات التشابه الهيكلي منخفضة، مما يشير إلى أن النموذج لا يعاني من انهيار المنوال (mode collapse) ويحافظ على الواقعية الهيكلية متعددة المقاييس.
• الكفاءة: تم تدريب النموذج في حوالي 7 ساعات (65,000 خطوة) على وحدة معالجة رسومات واحدة من نوع NVIDIA A100، مما تطلب عدد دورات (epochs) أقل بكثير للوصول إلى الأداء المستقر مقارنة بنماذج GAN الأساسية.

الأهمية والادعاءات
يزعم البحث أن مطابقة التدفق الشرطي، عند تعزيزها بصيغة الفضاء المتبقي ومنطلق مدفوع بالبيانات، توفر إطار عمل قويًا وفعالًا لتوليد خرائط الكتلة الكونية. تكمن الأهمية الأساسية في القابلية العملية للاستخدام للمحاكي (emulator): فهو يلتقط الإشارة الكونية بدقة عالية عبر كل من الإحصاءات منخفضة ومرتفعة الرتبة مع دعم أشكال متعددة من تحليل البيانات. يؤكد المؤلفون أن هذا العمل يقرب المجال من محاكي خرائط كتلة عملي قادر على دعم النمذجة الأمامية للمسوحات واسعة المجال القادمة (مثل Euclid و LSST) دون التكلفة الحسابية لتشغيل محاكاة $N$-body كاملة لكل نقطة من نقاط المعلمات الكونية. يُقدم الأسلوب كخطوة نحو مسارات استدلال كوني قائمة على المحاكاة وتوليدية بالكامل.