Searching optimal scales for reconstructing cosmological initial conditions using convolutional neural networks

Resumen Técnico: Búsqueda de Escalas Óptimas para la Reconstrucción de las Condiciones Iniciales Cosmológicas mediante Redes Neuronales Convolucionales

Planteamiento del Problema
La reconstrucción del campo de densidad lineal inicial del Universo a partir de la distribución de materia evolucionada en tiempos tardíos y de forma no lineal es un problema inverso fundamental en cosmología. Si bien la evolución gravitacional hacia adelante está bien comprendida y es simulable, revertir este proceso es un desafío debido a los efectos no lineales (por ejemplo, el cruce de cáscaras o shell crossing) que borran la información de pequeña escala, así como por la naturaleza de largo alcance de la gravedad. Los intentos previos han utilizado técnicas perturbativas, solucionadores iterativos y modelos de evolución hacia adelante probabilísticos. Más recientemente, las Redes Neuronales Convolucionales (CNN) han mostrado ser prometedoras para aprender el mapeo complejo de campos evolucionados a condiciones iniciales. Sin embargo, una limitación crítica de las CNN estándar es el conflicto entre la naturaleza de largo alcance de las interacciones gravitacionales y los campos receptivos inherentemente locales de la red. Este artículo investiga cómo la elección de la escala espacial de entrada (tamaño del sub-volumen) afecta el rendimiento de la reconstrucción y propone un método para incorporar contexto multiescala sin depender de marcos híbridos físico-CNN.

Metodología
Los autores emplean un enfoque basado en datos utilizando redes neuronales convolucionales 3D entrenadas con la suite Indra de simulaciones de N-cuerpos de gran volumen (caja de 1 $h^{-1}$ Gpc, $1024^3$ partículas, cosmología WMAP7). La tarea consiste en predecir el contraste de densidad inicial ($\delta$) en $z=10$ dado un sub-volumen cúbico del campo de densidad evolucionado en $z=0$.

1. Experimentos de Entrada Única: Los autores variaron sistemáticamente el tamaño físico del sub-volumen de entrada ($L_{sub}$), que oscila entre 38 y 380 $h^{-1}$ Mpc. Para mantener una resolución de rejilla de entrada fija de $39^3$ vóxeles para la CNN, emplearon una técnica de "re-binning" (re-agrupación), promediando bloques de celdas de la simulación de alta resolución para crear entradas de menor resolución con diversas escalas físicas.
2. Arquitectura de Doble Entrada: Para abordar el compromiso entre la resolución local y el contexto global, los autores propusieron una CNN 3D de doble entrada. Este modelo acepta dos sub-volúmenes de diferentes tamaños físicos (específicamente $L_{sub} \sim 76$ y $228$ $h^{-1}$ Mpc) del mismo volumen de simulación. Cada entrada pasa por una rama independiente de siete capas convolucionales. Los mapas de características resultantes se concatenan y se procesan mediante capas totalmente conectadas para producir una predicción escalar para la celda central.
3. Entrenamiento y Evaluación: Los modelos fueron entrenados con el optimizador Adam utilizando una función de pérdida de Error Cuadrático Medio (MSE). El rendimiento se evaluó en un conjunto de prueba independiente utilizando múltiples métricas estadísticas:
   • MSE normalizado (pérdida).
   • Funciones de Densidad de Probabilidad (PDF) y divergencia de Kullback-Leibler (KL).
   • Funciones de transferencia ($T(k)$) comparando los espectros de potencia.
   • Coeficientes de correlación ($r(k)$) en el espacio de Fourier para evaluar el alineamiento de fase.

Contribuciones Clave y Resultados

• Escala Óptima de Entrada Única: El estudio identifica que el rendimiento de la reconstrucción es altamente sensible al tamaño del sub-volumen de entrada. Aunque las escalas mayores generalmente mejoran la convergencia, una escala intermedia de $L_{sub} \sim 152$ $h^{-1}$ Mpc produce la menor pérdida de validación y la mejor recuperación general.

  • Las escalas menores ($<100$ $h^{-1}$ Mpc) carecen de suficiente contexto global para distinguir las fluctuaciones locales de los efectos ambientales.
  • Las escalas mayores ($>250$ $h^{-1}$ Mpc) diluyen los detalles de pequeña escala mediante el promedio espacial.
  • El rango óptimo ($150\text{--}200$ $h^{-1}$ Mpc) equilibra la resolución local con el contexto ambiental.
  • Se observó dependencia de la métrica: las funciones de transferencia alcanzaron su máximo en $L_{sub} \sim 114\text{--}190$ $h^{-1}$ Mpc (recuperación de amplitud), mientras que los coeficientes de correlación alcanzaron su máximo en $L_{sub} \sim 190\text{--}226$ $h^{-1}$ Mpc (alineamiento de fase).

• Superioridad del Modelo de Doble Entrada: El modelo de doble entrada ($L_{sub} \sim \{76, 228\}$ $h^{-1}$ Mpc) superó significativamente al mejor modelo de entrada única en todas las métricas.

  • Reducción de Pérdida: La pérdida de validación disminuyó de $0.244$ (entrada única) a $0.190$ (doble entrada).
  • Ajuste de PDF: La divergencia KL entre las densidades iniciales predichas y las reales cayó aproximadamente un 80% (de $0.0164$a$0.0027$), lo que indica que el modelo de doble entrada captura mejor la distribución de las fluctuaciones de densidad y mitiga el efecto de "sobre-atracción" (over-pulling) de las fluctuaciones observado en los modelos de entrada única.
  • Recuperación de Pequeña Escala: El modelo de doble entrada mantuvo funciones de transferencia y coeficientes de correlación más altos en escalas pequeñas ($k \gtrsim 0.2$ $h$ Mpc$^{-1}$). Por ejemplo, en el bin $0.30 < k < 0.40$ $h$ Mpc$^{-1}$, la función de transferencia mejoró de $0.712$a$0.861$, y el coeficiente de correlación de $0.756$a$0.842$.

• Eficiencia: El enfoque de doble entrada logra estas mejoras sin requerir un volumen de simulación adicional. Aprovecha de manera más eficiente el mismo volumen de simulación padre al proporcionar explícitamente contexto multiescala, requiriendo solo aproximadamente el doble de memoria por muestra en comparación con un modelo de entrada única grande, en lugar del aumento exponencial requerido para mantener la resolución en un único volumen grande.

Significancia y Reivindicaciones
El artículo sostiene que la elección de la escala de entrada es un hiperparámetro crítico y a menudo pasado por alto en la reconstrucción cosmológica basada en CNN. Los autores demuestran que las escalas intermedias ofrecen el mejor equilibrio para las redes de entrada única, pero que esta limitación puede superarse fundamentalmente mediante la incorporación explícita de contexto multiescala.

La arquitectura de doble entrada se presenta como una "mejora simple pero poderosa" que permite a las CNN aproximar tanto las transformaciones no lineales locales como los efectos gravitacionales de largo alcance sin hibridarse con algoritmos de reconstrucción física (como la aproximación de Zel'dovich). Los autores afirman que este enfoque maximiza la extracción de información de los conjuntos de datos fijos, allanando el camino para una inferencia cosmológica más precisa a partir de sondeos de estructura a gran escala. Concluyen que los futuros enfoques de aprendizaje profundo para la recuperación de condiciones iniciales deben priorizar la integración de información multiescala para reconstruir de manera óptima el Universo temprano.