CIGaRS I: Combined simulation-based inference from type Ia supernovae and host photometry

Resumen Técnico: CIGaRS I – Inferencia Combinada Basada en Simulación a partir de Supernovas Tipo Ia y Fotometría de Galaxias Anfitrionas

Planteamiento del Problema
Las supernovas Tipo Ia (SNe Ia) sirven como sondas cosmológicas primarias, sin embargo, su utilidad está limitada por correlaciones empíricas entre su brillo y las propiedades de las galaxias anfitrionas (por ejemplo, masa estelar, metalicidad, edad, tasa de formación estelar). Los análisis cosmológicos actuales emplean típicamente un enfoque de "dos pasos": primero corrigen las observables de las SN mediante métodos ad hoc (como un desplazamiento de "paso de masa" basado en la masa estelar de la anfitriona), y luego realizan ajustes cosmológicos. Esta separación introduce sesgos estadísticos, incluido el sesgo de Eddington (sobreponderación de anfitrionas masivas) y la incapacidad de desentrañar dependencias físicas intrínsecas de efectos extrínsecos como la extinción por polvo y los sesgos de selección. Además, la dependencia de corrimientos al rojo espectroscópicos limita el tamaño de la muestra para futuras encuestas a gran escala como el Legacy Survey of Space and Time (LSST), donde solo una pequeña fracción de las SNe y sus anfitrionas tendrán seguimiento espectroscópico.

Metodología: El Marco CIGaRS
Los autores presentan CIGaRS (Inferencia Combinada y Estandarización Relacionada con Galaxias), un modelo jerárquico bayesiano unificado diseñado para realizar inferencia simultánea a partir de datos puramente fotométricos. El marco integra tres componentes centrales:

1. Simulador Forward Unificado: El modelo combina Prospector-β (para evolución galáctica, historias de formación estelar y enriquecimiento químico) y Simple-BayeSN (para resúmenes de curvas de luz de SN Ia). Estos se vinculan mediante:

   • Distribución de Tiempos de Retardo (DTD): Una parametrización de ley de potencias que gobierna la tasa de SN Ia en función de la edad del progenitor.
   • Conexiones Físicas Anfitriona-SN: Dependencias parametrizadas explícitas de la magnitud intrínseca de la SN sobre la metalicidad del progenitor ($Z^*$) y la edad ($t^*$), junto con un "paso de masa" residual ($\Delta M$).
   • Efectos de Polvo y Selección: El simulador modela la extinción por polvo tanto para galaxias anfitrionas como para SNe, aplica módulos de distancia cosmológica e incorpora funciones de selección observacional realistas (imitando las condiciones de la encuesta wide-fast-deep del LSST).

2. Inferencia Basada en Simulación (SBI): En lugar de construir una función de verosimilitud intratable para el vasto número de parámetros latentes (decenas por SN), los autores emplean la Estimación de Razones Neuronales Marginales Truncadas (TMNRE). Una red neuronal deep set++ condicionada se entrena con pares de datos simulados (parámetros, observables) para aproximar la distribución posterior de parámetros globales/de población y variables latentes específicas de objetos simultáneamente.

3. Datos de Entrada: La red de inferencia utiliza únicamente fotometría de banda ancha de galaxias anfitrionas ($ugrizy$) y estadísticas de resumen de SNe Ia (brillo máximo, estiramiento, color y incertidumbres asociadas). No se asumen corrimientos al rojo espectroscópicos ni datos de clasificación de transitorios, aunque se asume una clasificación perfecta de transitorios para la simulación.

Contribuciones Clave

• Modelado Unificado: El artículo introduce un marco autoconsistente que infiere conjuntamente parámetros cosmológicos, la DTD, correlaciones físicas anfitriona-SN y propiedades específicas de objetos (corrimientos al rojo, masas, metalicidades) sin separar la estandarización del análisis cosmológico.
• Desenredo de Degeneraciones: El modelo demuestra la capacidad de distinguir entre las dependencias intrínsecas de metalicidad y edad de las SNe Ia, las cuales se manifiestan de manera diferente en la distribución de masa estelar de la anfitriona (un escalón suavizado frente a una tendencia lineal).
• Escalabilidad: Al aprovechar la SBI neuronal, el marco maneja el espacio de parámetros de alta dimensión de los modelos jerárquicos, escalando eficazmente desde ~1.600 hasta ~16.000 objetos sin la intratabilidad computacional de los métodos tradicionales de cadenas de Markov Monte Carlo.

Resultados
Utilizando conjuntos de datos simulados representativos de las escalas de encuestas actuales (DES) y futuras (LSST):

• Recuperación de Parámetros: El marco recupera con éxito parámetros globales, incluida la pendiente de la DTD ($b$) dentro de $\pm 0.05$, y desenreda los coeficientes de correlación de metalicidad ($\gamma_{Z^*}$) y edad ($\gamma_{t^*}$).
• Corrimientos al Rojo Fotométricos: El modelo infiere corrimientos al rojo fotométricos con una dispersión mediana de $\sim 0.01$, superando significativamente las estimaciones estándar solo fotométricas del LSST ($\sim 0.04$) y igualando resultados de análisis con cobertura UV-óptica-IR más amplia. Esta precisión se logra rompiendo la degeneración masa-edad-corrimiento al rojo a través de los priores de Prospector-β y la inferencia cosmológica conjunta.
• Restricciones Cosmológicas: El análisis conjunto de SNe y fotometría de anfitrionas mejora las restricciones cosmológicas (en el plano $\Omega_{m0}$–$\Omega_{\Lambda0}$) en un factor de $\sim 4$ en comparación con análisis que dependen únicamente de la pequeña fracción de objetos con corrimientos al rojo espectroscópicos.
• Paso de Masa vs. Correlaciones Físicas: Las simulaciones confirman que las correlaciones de metalicidad pueden imitar el "paso de masa" observado a través de $10^{10} M_\odot$, mientras que las correlaciones de edad producen tendencias lineales distintas, lo que sugiere que el paso de masa tradicional puede ser un proxy para impulsores físicos subyacentes.

Significado
Los autores afirman que CIGaRS "desbloquea todo el poder de los datos fotométricos" para la era del LSST. Al alejarse de correcciones ad hoc y análisis de dos pasos, el marco proporciona una tubería rigurosa, de extremo a extremo, basada en simulación que propaga todas las incertidumbres (selección, polvo, corrimiento al rojo, propiedades de anfitrionas) hacia las restricciones cosmológicas finales. El enfoque se presenta como una solución escalable para extraer conocimientos científicos robustos de los masivos conjuntos de datos predominantemente fotométricos esperados de futuras encuestas, resolviendo potencialmente debates de larga data sobre los mecanismos de formación de las SNe Ia y sus dependencias ambientales. Los autores señalan que, aunque el modelo actual está restringido por supuestos específicos (por ejemplo, leyes de polvo fijas y funciones de masa inicial estelar), el marco SBI permite la inclusión sistemática de tales "desconocidos conocidos" como variables de molestia en iteraciones futuras.