Conditional variational autoencoders for cosmological model discrimination and anomaly detection in cosmic microwave background power spectra

Resumen Técnico: Autoencoders Variacionales Condicionales para la Discriminación de Modelos Cosmológicos y la Detección de Anomalías

Planteamiento del Problema
Los espectros de potencia del Fondo Cósmico de Microondas (CMB) sirven como una ventana primaria hacia el universo temprano; sin embargo, lograr una compresión de datos interpretable y diagnósticos de inferencia rápidos bajo supuestos de modelos débiles sigue siendo un desafío. Si bien el modelo $\Lambda$CDM de seis parámetros proporciona una base robusta, las tensiones observacionales (por ejemplo, la tensión de $H_0$) y las anomalías (por ejemplo, los déficits en los multipolos bajos) sugieren posibles efectos sistemáticos o nueva física más allá del modelo estándar. Los flujos de trabajo tradicionales basados en verosimilitud para verificar extensiones de $\Lambda$CDM son computacionalmente intensivos y, a menudo, dominan el tiempo de ejecución de los análisis de CMB. Además, los enfoques de aprendizaje profundo puramente basados en datos suelen sufrir de una naturaleza de "caja negra", careciendo de mapeos trazables a parámetros físicos y de una cuantificación de incertidumbre robusta, lo que limita su interpretabilidad y reutilización en la inferencia cosmológica.

Metodología
Los autores proponen una arquitectura de Autoencoder Variacional Condicional (CVAE) diseñada específicamente para los espectros de potencia del CMB ($D_\ell^{TT}$, $D_\ell^{EE}$ y $D_\ell^{TE}$). La innovación central reside en alinear una representación latente basada en datos con los parámetros cosmológicos, manteniendo al mismo tiempo una interfaz para pruebas diagnósticas de tipo verosimilitud.

• Arquitectura: El modelo emplea una estructura de doble codificador dentro de un espacio latente compartido $Z$:
  • Codificador 1: Comprime los espectros de potencia del CMB de entrada en una representación latente $z_1$ de dimensión $L$.
  • Codidor 2: Mapea los parámetros cosmológicos asociados $\theta$ (los seis parámetros centrales de $\Lambda$CDM: $h, \Omega_b h^2, \Omega_c h^2, \tau, \ln(10^{10}A_s), n_s$) en una representación latente separada $z_2$ de dimensión $L$.
  • Decodificador: Reconstruye los espectros de potencia a partir de muestras extraídas en el espacio latente compartido.
• Objetivo de Entrenamiento: La red se entrena para minimizar una función de pérdida compuesta que incluye:
  1. Pérdida de Reconstrucción: Pérdida de Huber entre los espectros de entrada y los reconstruidos.
  2. Regularización KL: Un término de divergencia KL ponderado por $\beta$ para asegurar una distribución latente suave.
  3. Penalización de Alineación Latente: Un término de Kullback-Leibler Simétrico (SKL) que fomenta la alineación de la distribución derivada de los datos $q_\phi(z_1|x)$ y la distribución derivada de los parámetros $q_\psi(z_2|\theta)$. Esto impone una correspondencia trazable entre el espacio latente y la teoría física.
• Generación de Datos: Los datos de entrenamiento se generan utilizando CAMB bajo un modelo $\Lambda$CDM plano, aumentados con incertidumbres observacionales similares a las de Planck 2018 (ruido gaussiano añadido por bin). El conjunto de datos incluye 1 millón de espectros para el entrenamiento, con subconjuntos específicos diseñados para interpolación, extrapolación controlada y pruebas más allá del soporte de entrenamiento (por ejemplo, variando $N_{eff}$, $\Omega_k$ y las masas de los neutrinos).

Contribuciones Clave

1. Compresión Latente Compacta: El estudio cuantifica que una dimensionalidad latente de $L=5$ es suficiente para reconstruir los espectros de temperatura y polarización con alta fidelidad, incluso en presencia de ruido realista similar al de Planck.
2. Generalización y Verificaciones en el Espacio de Representación: El CVAE demuestra una generalización robusta más allá del soporte de entrenamiento, incluyendo extrapolaciones de parámetros controladas (por ejemplo, $\tau$) y extensiones a modelos de $\Lambda$CDM no planos y de energía oscura dinámica. Proporciona una similitud de reconstrucción direccional alta y permite diagnósticos de discriminación en el espacio de representación.
3. Codificación Física Distribuida: El espacio latente aprendido exhibe una organización distribuida y parcialmente estructurada. Los parámetros cosmológicos individuales no se mapean a una única dimensión latente, sino que abarcan múltiples dimensiones, reflejando las degeneraciones e intrínsecas correlaciones en los observables del CMB (por ejemplo, la degeneración $A_s e^{-2\tau}$).
4. Sustituto Diagnóstico Rápido: Al alinear los latentes condicionales con los parámetros, el decodificador actúa como un sustituto rápido de los espectros. Esto permite realizar pruebas diagnósticas de MCMC con reducciones sustanciales en el tiempo de ejecución.

Resultos

• Fidelidad de Reconstrucción: Para 1,000 espectros de prueba de Hipercubo Latino, el CVAE de $L=5$ fiduciario logra una similitud de coseno ponderada por covarianza de $M = 0.999981 \pm 1.9 \times 10^{-5}$ y un estadístico de residuo de covarianza completa mediana de $\Delta\chi^2/N_{bin} = 1.81$. Aumentar $L$ más allá de 5 no produce una mejora estadísticamente significativa.
• Estabilidad de Extrapolación: A diferencia de los VAE incondicionales, que exhiben una degradación oscilatoria al extrapolar más allá de los rangos de entrenamiento (particularmente en el espectro TE), el CVAE mantiene la estabilidad y puntuaciones de similitud más altas. Esto se atribuye al condicionamiento explícito en los parámetros cosmológicos, lo que ayuda a organizar las relaciones no lineales entre parámetros y espectros.
• Detección de Anomalías: El espacio latente discrimina eficazmente entre los espectros cosmológicos probados y un referente fiduciario. Para distinguir modelos $\Lambda$CDM no planos ($\Omega_k \neq 0$) de los modelos planos, el estadístico de distancia latente logra un Área Bajo la Curva (AUC) de 1.000 en el rango probado.
• Velocidad de Inferencia de Parámetros: El uso del decodificador del CVAE como un sustituto del resolvedor de Boltzmann en una ejecución de MCMC (restringido a $D_\ell^{TT}$ para esta demostración) redujo el tiempo de ejecución de ~40 horas en 16 núcleos de CPU a ~2 minutos en una sola GPU. Aunque la posterior sustituta muestra un desplazamiento de calibración debido a aproximaciones de entrenamiento (por ejemplo, covarianza diagonal, desplazamiento de $N_{eff}$), recupera con éxito la escala general y la orientación de la degeneración de los resultados convencionales de CAMB.
• Interpretabilidad Física: Los análisis estadísticos utilizando el Alineamiento de Kernel Centrado (CKA) y el Criterio de Independencia de Hilbert-Schmidt (HSIC) confirman que el espacio latente codifica la información cosmológica de manera distribuida, con conexiones estadísticas significativas entre las dimensiones latentes y los parámetros físicos.

Significancia y Reivindicaciones
El artículo afirma que este marco de CVAE informado por la física soporta la compresión interpretable, la exploración diagnóstica rápida y el aprendizaje de representación sensible a anomalías más allá del modelo estándar $\Lambda$CDM.

Los autores enfatizan que el modelo está diseñado como una herramienta de diagnóstico y exploración más que como un motor de inferencia final y calibrado. El uso de una aproximación de covarianza diagonal durante el entrenamiento es una elección pragmática para la tractabilidad computacional, mientras que un chequeo de residuo de covarianza completa separado valida la calidad de la reconstrucción. El trabajo demuestra que los enfoques basados en datos pueden integrarse con éxito con la estructura física para crear sustitutos eficientes para el análisis cosmológico, ofreciendo una ruta unificada desde la reconstrucción incondicional hasta el análisis condicionado por parámetros. Los autores declaran explícitamente que el trabajo futuro se centrará en incorporar matrices de covarianza no diagonales completas directamente en el objetivo de entrenamiento para mejorar aún más su aplicabilidad a escenarios de datos reales.