Simulation budgeting for hybrid effective field theories

Aquí presento un resumen técnico detallado del artículo "Simulation budgeting for hybrid effective field theories" (Presupuesto de simulaciones para teorías de campo efectivo híbridas), preparado para su envío a JCAP.

1. Planteamiento del Problema

Las futuras encuestas cosmológicas de gran escala (como LSST, Euclid, DESI, Roman y SPHEREx) generarán datos de una precisión sin precedentes sobre la estructura a gran escala (LSS). Para aprovechar estos datos, es necesario modelar con alta precisión el crecimiento no lineal de las estructuras, el sesgo de las galaxias y los efectos de la física bariónica.

El desafío principal es que los modelos teóricos puros (teoría de perturbaciones) fallan en escalas pequeñas (no lineales), mientras que las simulaciones $N$-cuerpo completas son computacionalmente prohibitivas para ejecutarse en cada punto de un análisis de Cadena de Markov Monte Carlo (MCMC). La solución habitual es el uso de emuladores (modelos de aprendizaje automático que interpolan entre un conjunto limitado de simulaciones). Sin embargo, para entrenar estos emuladores con la precisión requerida (1-2%) en espacios de parámetros cosmológicos complejos (como $w_0wa$CDM + neutrinos masivos), se desconoce el "presupuesto" óptimo de simulaciones: cuántas se necesitan, qué volumen y resolución deben tener, y cómo equilibrar el costo computacional con la precisión.

2. Metodología

Los autores desarrollan una estrategia integral para cuantificar y optimizar los recursos necesarios para entrenar emuladores de Teoría de Campo Efectivo Híbrida (HEFT).

• Marco Teórico (HEFT): Combinan la Teoría de Perturbaciones Lagrangiana (LPT) con simulaciones $N$-cuerpo. En lugar de usar aproximaciones analíticas para el desplazamiento de partículas, utilizan simulaciones para calcular los espectros de base necesarios para la expansión de sesgo, manteniendo la robustez teórica de la expansión de sesgo perturbativa.
• Definición de Objetivos de Precisión: Establecen metas de error basadas en los errores estadísticos futuros de las encuestas y los errores sistemáticos (alineaciones intrínsecas, retroalimentación bariónica, sesgo dependiente de la escala).
  • Meta: Precisión del 1% en el rango de alta verosimilitud de parámetros y 2% en un volumen de parámetros más amplio para $k < 1 \, h \text{ Mpc}^{-1}$ y $z < 3$.
• Modelo Sustituto (Surrogate Model): Dado que ejecutar miles de simulaciones $N$-cuerpo reales para probar el presupuesto es inviable, utilizan un modelo híbrido de HMcode2020 + Teoría de Perturbaciones como sustituto de las simulaciones. Este modelo varía con los parámetros cosmológicos de manera similar a las simulaciones reales, permitiendo generar grandes conjuntos de datos de entrenamiento de bajo costo.
• Construcción del Emulador: Utilizan una combinación de Análisis de Componentes Principales (PCA) para reducción de dimensionalidad y Expansión de Caos Polinomial (PCE) para interpolar el logaritmo de la relación entre el espectro de potencia no lineal y las predicciones de LPT de un bucle.
• Consideraciones Numéricas:
  • Volumen de la caja: Recomiendan cajas de al menos $1 \, h^{-1} \text{ Gpc}$ para minimizar la varianza de muestra y los modos faltantes.
  • Resolución: Para HEFT, no es necesario resolver halos individuales (lo cual es costoso). Una resolución de partículas de $\sim 10^{10} \, h^{-1} M_\odot$ es suficiente para resolver el espectro de potencia hasta $k \sim 1 \, h \text{ Mpc}^{-1}$.
  • Condiciones Iniciales: Se recomienda iniciar las simulaciones en $z \approx 12$ utilizando LPT de tercer orden para minimizar errores de discretización.
  • Reducción de Varianza: Implementan Control Variados de Zel'dovich (ZCV) para reducir el ruido de varianza de muestra en escalas grandes, permitiendo cajas más pequeñas o menos realizaciones.

3. Contribuciones Clave

1. Presupuesto de Simulaciones Cuantificado: Proporcionan números concretos sobre cuántas simulaciones se requieren para entrenar emuladores HEFT en diferentes escenarios, algo que antes era una estimación cualitativa.
2. Validación del Orden de Sesgo: Demuestran que la expansión de sesgo cuadrático es suficiente para alcanzar el 1% de precisión hasta $k \approx 0.6 \, h \text{ Mpc}^{-1}$, y que la inclusión de un operador cúbico ($:\delta^3:$) mejora marginalmente el ajuste en escalas muy pequeñas, pero no es estrictamente necesaria para los objetivos principales.
3. Análisis de Escenarios de Uso: Evalúan el costo computacional para casos de uso específicos (DESI, SO, Roman, muestras "Steel") y muestran cómo la densidad de la muestra y el tipo de estadística (auto-cruzada vs. auto) afectan drásticamente el número de simulaciones necesarias.
4. Optimización de Recursos: Argumentan que, para HEFT, se pueden utilizar simulaciones de malla de partículas (PM) con pasos de tiempo globales y baja resolución de fuerza, reduciendo el costo computacional en órdenes de magnitud en comparación con simulaciones de alta resolución necesarias para modelos de distribución de ocupación de halos (HOD).

4. Resultados Principales

• Número de Simulaciones Requeridas:
  • Para un espacio de parámetros amplio (Tier 1, 8 parámetros incluyendo $w_0, w_a, m_\nu$): Se requieren < 225 simulaciones para cumplir con los objetivos de error en un espacio de parámetros amplio, y tan solo 80 simulaciones para un espacio restringido (Tier 2, cerca de los valores fiduciales).
  • Para casos específicos:
    • DESI Y6 + BGS (Lente Galaxia-Galaxia): ~600 simulaciones (Tier 1) o ~110 (Tier 2).
    • SO + DESI LRG (Lente CMB): ~1500 simulaciones (Tier 1) o ~275 (Tier 2). El alto número se debe a la necesidad de alta precisión en escalas pequeñas donde el ruido estadístico es bajo.
    • Roman (Cizallamiento Cósmico): ~1500 simulaciones (Tier 1) o ~100 (Tier 2).
    • Muestra "Steel" (Muestra de alta calidad con bajo sesgo sistemático): ~700 (Tier 1) o ~110 (Tier 2).
• Impacto de la Física Bariónica: Confirman que los errores sistemáticos debidos a la retroalimentación bariónica dominan sobre el error del emulador para $k > 1 \, h \text{ Mpc}^{-1}$. Por lo tanto, no es necesario emular con precisión del 1% más allá de $k \approx 0.6 - 0.8 \, h \text{ Mpc}^{-1}$, lo que reduce significativamente el costo.
• Costo Computacional:
  • Si se usan simulaciones de alta resolución (para resolver halos), el costo podría ser de $10^5 - 10^6$ horas-nodo.
  • Si se usan simulaciones optimizadas para HEFT (baja resolución, malla de partículas, ZCV), el costo se reduce a $O(10^3)$ horas-nodo, haciéndolo factible incluso para espacios de parámetros de 8 dimensiones.

5. Significado e Impacto

Este trabajo ofrece una guía práctica y cuantitativa para la comunidad cosmológica en la era de las encuestas de "Stage IV". Sus conclusiones son fundamentales porque:

1. Hacen viable el análisis de HEFT: Demuestran que entrenar emuladores para modelos complejos (con neutrinos masivos y energía oscura dinámica) es computacionalmente factible si se utilizan las estrategias de simulación correctas (baja resolución, ZCV, condiciones iniciales optimizadas).
2. Evitan el desperdicio de recursos: Al identificar que la alta resolución no es necesaria para HEFT y que el error del emulador no es el factor limitante en escalas muy pequeñas (debido a la física bariónica), permiten a los investigadores ahorrar recursos computacionales masivos.
3. Definen el futuro de la modelización: Establecen que las mejores restricciones cosmológicas provendrán de escalas cuasi-lineales ($0.05 < k < 0.6 \, h \text{ Mpc}^{-1}$), donde los modelos híbridos son más robustos, en lugar de intentar forzar modelos a escalas altamente no lineales donde la incertidumbre sistemática es dominante.

En resumen, el artículo proporciona el "mapa de ruta" necesario para diseñar suites de simulaciones eficientes que permitan explotar al máximo los datos de las futuras misiones cosmológicas sin incurrir en costos computacionales prohibitivos.