Implicit inference of the reionization history with higher-order statistics of the 21-cm signal

Resumen Técnico: Inferencia Implícita de la Historia de la Reionización con Estadísticas de Orden Superior de la Señal de 21 cm

Enunciado del Problema
La Época de la Reionización (EoR) representa una transición de fase crítica en la historia cósmica, sin embargo, reconstruir su cronología sigue siendo un desafío. Las sondas tradicionales, como el bosque Lyman-$\alpha$ y la profundidad óptica del CMB, ofrecen vistas indirectas o restricciones integradas. La señal de 21 cm del hidrógeno neutro (HI) ofrece una vista tomográfica directa y tridimensional del medio intergaláctico (IGM). No obstante, extraer la fracción global de hidrógeno neutro ($\bar{x}_{HI}$) y la historia de la reionización a partir de datos de 21 cm se ve obstaculizada por la extrema debilidad de la señal, los brillantes fondos y, crucialmente, su naturaleza altamente no gaussiana. La estadística de resumen estándar, el espectro de potencia (PS), es una estadística de dos puntos que describe completamente los campos gaussianos pero falla en capturar la morfología y topología complejas de las burbujas ionizadas. Además, la función de verosimilitud que conecta las estadísticas de resumen con los parámetros astrofísicos a menudo es intratable, particularmente para estadísticas de orden superior o cuando se modelan efectos instrumentales complejos. Los métodos tradicionales de Cadena de Markov Monte Carlo (MCMC) luchan con el costo computacional de evaluar millones de simulaciones y la intratabilidad de la verosimilitud.

Metodología
Los autores emplean un marco de Inferencia Implícita de vanguardia, específicamente Estimación Posterior Neuronal (NPE), para eludir la necesidad de una función de verosimilitud analítica explícita. La metodología procede de la siguiente manera:

1. Simulación y Generación de Datos:

   • Modelo Inverso: El código semi-numérico 21cmFAST se utiliza para generar una gran suite de conos de luz simulados de 21 cm. El modelo varía seis parámetros astrofísicos clave que gobiernan las propiedades UV de las galaxias y la formación estelar ($f_{*,10}, \alpha_*, f_{esc,10}, \alpha_{esc}, M_{turn}, t_*$) mientras fija los parámetros de rayos X.
   • Estrategia de Muestreo: Para evitar la distribución bimodal de las historias de reionización resultante de priores uniformes en los parámetros astrofísicos, se implementó una estrategia de muestreo por rechazo personalizada utilizando el emulador 21cmEMU. Esto aseguró una distribución equilibrada de $\bar{x}_{HI}$ a través de los intervalos de corrimiento al rojo de interés ($z=8.0, 7.2, 6.5$).
   • Efectos Instrumentales: Se generaron observaciones simuladas para la configuración AA* de SKA-Low (307 estaciones). La tubería incorpora realizaciones de ruido gaussiano para tiempos de integración de 100 horas y 1000 horas, convolución de cobertura uv, filtrado de resolución (eliminando modos más allá de la línea base central) y la resta de la media espacial para imitar la falta de líneas base de espaciado cero.

2. Estadísticas de Resumen:
   El estudio evalúa el contenido de información de varias estadísticas:

   • Gaussianas (2 puntos): Espectro de potencia promediado esféricamente (PS1D) y espectro de potencia promediado cilíndricamente (PS2D).
   • No Gaussianas (Orden superior):
     • Biespectro: Biespectro reducido en configuraciones de límite equilátero y aplastado.
     • Números de Betti: Invariantes topológicos ($\beta_0, \beta_1, \beta_2$) calculados como función de umbrales de intensidad de la señal, capturando la conectividad y los vacíos de las regiones ionizadas.

3. Marco de Inferencia:

   • Arquitectura Neuronal: El marco utiliza la Maximización Variacional de la Información Mutua (VMIM) para comprimir las estadísticas de resumen de alta dimensión en una representación latente, seguida de NPE para aprender la distribución posterior $p(\bar{x}_{HI} | t)$.
   • Entrenamiento: La red fue entrenada con $\sim330,000$ pares de ($\bar{x}_{HI}$, estadística) derivados de $\sim15,900$ simulaciones únicas con múltiples realizaciones de ruido.
   • Calibración: Las posteriores fueron validadas utilizando la Prueba de Precisión con Puntos Aleatorios (TARP) para asegurar una inferencia sin sesgos y bien calibrada.

Contribuciones y Resultados Clave
El estudio compara sistemáticamente el poder de restricción de estas estadísticas utilizando la Figura de Mérito (FoM), definida como el inverso del volumen posterior (escalado por dimensión).

• Superioridad de las Estadísticas No Gaussianas: Se encontró que los números de Betti por sí solos son, en promedio, más informativos que los espectros de potencia (PS1D y PS2D). El biespectro por sí solo proporcionó restricciones limitadas, probablemente debido a la pérdida de información a gran escala por cortes angulares y la cancelación de la información de 2 puntos en el biespectro reducido.
• Sinergia de Estadísticas Combinadas: El hallazgo más significativo es la naturaleza complementaria de las estadísticas. Combinar el espectro de potencia cilíndrico (PS2D) con números de Betti mejoró el FoM medio en $\sim0.25$ dex (una reducción de $\sim33\%$ en la incertidumbre $\sigma(\bar{x}_{HI})$). La combinación completa de PS2D + Betti + Biespectro produjo las restricciones más ajustadas en general.
• Dependencia del Estado: El poder de restricción de las estadísticas no es uniforme; depende del estado de reionización ($\bar{x}_{HI}$).
  • Los números de Betti proporcionaron información complementaria significativa en todas las etapas de la reionización.
  • La utilidad del biespectro varió: mejoró las restricciones en escenarios de fracción neutra baja a media ($\bar{x}_{HI} \lesssim 0.6$) pero podría degradar las restricciones en regímenes altamente neutros (por ejemplo, el modelo "Tardío"), sugiriendo que la elección óptima de estadísticas depende de la época.
• Robustez al Ruido: Los beneficios de combinar estadísticas de orden superior fueron evidentes en escenarios de ruido de 100 horas y 1000 horas, con observaciones más profundas que naturalmente producen restricciones más ajustadas.

Significado y Afirmaciones
Los autores afirman que este trabajo demuestra la necesidad de ir más allá del espectro de potencia para aprovechar plenamente el contenido de información de las futuras observaciones de 21 cm. Al utilizar inferencia implícita, el estudio elude exitosamente la intratabilidad de las verosimilitudes para estadísticas complejas y no gaussianas. Los resultados indican que un enfoque híbrido, que combine el espectro de potencia con descriptores topológicos (números de Betti) y, cuando corresponda, el biespectro, puede maximizar significativamente el retorno científico de SKA-Low. Este enfoque permite la inferencia directa de la historia de la reionización ($\bar{x}_{HI}$) sin depender de un mapeo intermedio de parámetros astrofísicos, ofreciendo así una vía más robusta y eficiente para cartografiar el final de las edades oscuras cósmicas. El artículo reconoce limitaciones relacionadas con los residuos de fondos y la mala especificación del modelo (entrenamiento y prueba en el mismo simulador), identificándolos como áreas críticas para futuras investigaciones.