Using Symbolic Regression to Emulate the Radial Fourier Transform of the Sérsic profile for Fast, Accurate and Differentiable Galaxy Profile Fitting

1. El Problema

El ajuste de perfiles de galaxias es una técnica fundamental en la astronomía extragaláctica moderna para medir parámetros estructurales (como el índice de Sérsic $n$ y el radio efectivo $R_{eff}$) y fotometría. El modelo estándar para describir estos perfiles es el perfil de Sérsic. Sin embargo, su implementación computacional presenta desafíos significativos:

• Falta de Transformada de Fourier Cerrada: Aunque el ajuste en el espacio de Fourier es teóricamente superior (evita problemas de muestreo en el centro de la galaxia y acelera la convolución con la Función de Dispersión de Punto, PSF), el perfil de Sérsic no tiene una transformada de Fourier analítica cerrada general.
• Costos Computacionales de los Métodos Actuales:
  • Muestreo excesivo (Oversampling): Para renderizar perfiles con índices altos ($n \gtrsim 2$) en el espacio real, se requiere un muestreo muy fino para capturar las pendientes pronunciadas cerca del centro, lo cual es computacionalmente costoso.
  • Mezcla de Gaussianas: Un enfoque común es aproximar el perfil de Sérsic como una suma de muchas gaussianas (que sí tienen transformadas de Fourier analíticas). Sin embargo, se necesitan muchas gaussianas ($\gtrsim 10$) para lograr precisión, lo que sigue siendo costoso y lento.
• Necesidad de Diferenciabilidad: Los métodos modernos de inferencia bayesiana y optimización basados en gradientes requieren que el modelo sea diferenciable, lo que limita el uso de tablas de búsqueda o aproximaciones numéricas discretas.

2. Metodología

Los autores proponen un enfoque novedoso que combina el cálculo numérico con el aprendizaje automático mediante regresión simbólica:

1. Cálculo Numérico de la Transformada:

   • Se calculó numéricamente la transformada de Fourier radial (equivalente a la transformada de Hankel) del perfil de Sérsic utilizando el paquete Python hankel.
   • Se generó un conjunto de entrenamiento con 10,000 pares de valores aleatorios de índice de Sérsic ($n \in [0.4, 6.5]$) y frecuencia espacial ($k$).
   • Se observó que la transformada varía suavemente con $n$ y $k$, y está acotada entre 0 y 1.

2. Regresión Simbólica:

   • Se utilizó el paquete pysr para realizar regresión simbólica. Este algoritmo busca la mejor expresión analítica que ajuste los datos, combinando operadores básicos (+, -, *, /) y funciones (exp, log, sqrt, etc.) mediante un algoritmo genético.
   • Estrategia de Estructura: Para garantizar el comportamiento límite correcto (acotado entre 0 y 1), se impuso una estructura a la ecuación resultante: $\tilde{F}_r(k, n) = \frac{1}{1 + e^{G(k,n)}}$, donde $G(k,n)$ es la función descubierta por la regresión. Esto asegura estabilidad numérica y evita optimizar la incertidumbre fraccional en lugar de la absoluta.

3. Selección del Modelo:

   • Se evaluó la compensación entre la complejidad de la ecuación (número de operaciones), la precisión (pérdida L2) y el tiempo de ejecución.
   • Se seleccionó una ecuación específica (Eq. 6 en el texto) que ofrece un equilibrio óptimo: alta precisión con una complejidad moderada, logrando tiempos de ejecución significativamente menores que los métodos híbridos actuales.

4. Implementación:

   • La ecuación derivada se implementó en el paquete de ajuste de perfiles pysersic.
   • Se realizaron pruebas de inyección-recuperación y comparaciones con datos reales de galaxias del sondeo HSC-SSP.

3. Contribuciones Clave

• Emulador Analítico Diferenciable: Se ha desarrollado la primera aproximación analítica cerrada y diferenciable de la transformada de Fourier radial del perfil de Sérsic, eliminando la necesidad de tablas de búsqueda o descomposiciones de gaussianas complejas.
• Eficiencia Computacional: El método permite renderizar perfiles en el espacio de Fourier sin sobremuestreo, manteniendo la precisión en las regiones centrales de alta pendiente.
• Integración en pysersic: La técnica está lista para su uso en flujos de trabajo de inferencia bayesiana y optimización, aprovechando la diferenciabilidad automática (autodiff) de frameworks como JAX.

4. Resultados

• Precisión en Pruebas de Inyección:
  • En pruebas de recuperación con perfiles "perfectos" (generados con sobremuestreo extremo), el emulador recuperó los parámetros con una diferencia promedio menor al 0.4% y una dispersión menor al 1.7% para $R_{eff}$ y $n$.
  • Se observó una ligera desviación sistemática para $n < 1$ (subestimación de hasta un 5%) y $n > 3$ (sobreestimación del 1%), pero estos errores son menores que las incertidumbres típicas de los catálogos astronómicos.
• Comparación con Datos Reales (HSC-SSP):
  • Al ajustar 100 galaxias reales, los resultados del emulador fueron indistinguibles visualmente de los obtenidos con el método híbrido predeterminado de pysersic (basado en mezclas de gaussianas).
  • La diferencia fraccional media en los parámetros recuperados fue menor al 1%.
• Rendimiento (Velocidad):
  • El método del emulador es 2.5 veces más rápido que el método híbrido estándar.
  • Tiempo de MCMC: Se redujo de 64 segundos a 23.5 segundos por galaxia.
  • Tiempo de Inferencia Variacional (SVI): Se redujo de 36.5 segundos a 15.3 segundos.
  • Optimización (MAP): Se redujo de 3.33 segundos a 1.45 segundos.

5. Significado e Impacto

Este trabajo representa un avance crucial para la astronomía de grandes volúmenes de datos (como los futuros sondeos del LSST/Rubin o Euclid):

• Escalabilidad: La reducción de un factor de 2.5 en el tiempo de cómputo es vital para procesar millones de galaxias en los próximos años, permitiendo que las cadenas de análisis escalen eficientemente.
• Precisión vs. Velocidad: Logra acelerar drásticamente el proceso sin sacrificar la precisión, manteniendo los errores sistemáticos por debajo de las incertidumbres observacionales típicas.
• Viabilidad de Métodos Bayesianos: Al hacer el renderizado más rápido y diferenciable, facilita el uso de métodos de inferencia bayesiana completos (MCMC) en lugar de depender solo de aproximaciones rápidas pero menos robustas, mejorando la fiabilidad de las mediciones morfológicas.
• Limitaciones: El emulador es válido para $0.5 < n < 6$ (que cubre la mayoría de las galaxias reales) y no corrige automáticamente el aliasing en los bordes de la imagen, aunque esto es menos crítico para galaxias centradas en recortes pequeños.

En resumen, los autores han resuelto un problema numérico de larga data en la astrofísica galáctica mediante la aplicación inteligente de la regresión simbólica, proporcionando una herramienta esencial para la próxima generación de sondeos astronómicos.