Explaining Neural Networks on the Sky: Machine Learning Interpretability for Cosmic Microwave Background Maps

Resumen Técnico

1. Planteamiento del Problema
El modelo cosmológico estándar ($\Lambda$CDM) describe con gran precisión las anisotropías del Fondo Cósmico de Microondas (CMB), pero existen tensiones persistentes con observaciones de épocas tardías que sugieren física incompleta. Un área de interés son los "modelos de características" (features), desviaciones localizadas u oscilatorias en el espectro de potencia primordial que podrían revelar dinámicas inflacionarias complejas (como giros abruptos en el campo escalar).
El problema central abordado es que el análisis tradicional del CMB se basa en espectros de potencia angular ($C_\ell$), que son estadísticas de segundo orden. Estas comprimen los datos, descartando información de fase y correlaciones de orden superior que podrían contener señales sutiles de estas características. Además, la aplicación de redes neuronales (NN) en cosmología suele ser una "caja negra", lo que dificulta distinguir si el modelo está aprendiendo señales físicas reales o artefactos de enmascaramiento y ruido.

2. Metodología
Los autores proponen un pipeline de aprendizaje automático que opera directamente a nivel de mapas (espacio real) en lugar de espectros de potencia, combinando reducción de dimensionalidad con redes neuronales e interpretabilidad post-hoc.

• Simulación de Datos:

  • Generación de mapas completos del cielo (temperatura $T$ y polarización $Q, U$) con características instrumentales similares a las del satélite Planck (resolución, suavizado de haz y ruido).
  • Se utilizan dos modelos: el estándar $\Lambda$CDM y un modelo de "característica" con oscilaciones lineales en el espacio de Fourier ($P_R(k) = P_{R,0}(k)[1 + A_{lin} \sin(\omega_{lin} k/k_* + \phi)]$).
  • Se aplica una máscara galáctica realista para simular la cobertura incompleta del cielo y evitar regiones contaminadas por emisión foreground.
  • Resolución: $N_{side} = 256$ en formato HEALPix.

• Pre-procesamiento y Arquitectura Híbrida:

  • Normalización: Se aplica estandarización por mapa (restar media y dividir por desviación estándar) para eliminar variaciones de amplitud global.
  • Análisis de Componentes Principales (PCA): Se utiliza como una capa fija e inmutable al inicio de la red. Se proyectan los mapas de alta dimensión ($\sim 8 \times 10^5$ píxeles) sobre los 200 componentes principales dominantes. Esto reduce la dimensionalidad, elimina redundancias y filtra el ruido, concentrando la información estadística relevante.
  • Red Neuronal (MLP): Los componentes principales se alimentan a un Perceptrón Multicapa (MLP) con activaciones ReLU y capas totalmente conectadas. Se entrenan arquitecturas separadas para los mapas de temperatura ($T$) y polarización ($U, Q$).
  • Entrenamiento: Se utiliza el optimizador Adam con pérdida de entropía cruzada binaria y Early Stopping basado en el AUC (Área bajo la curva ROC).

• Interpretabilidad (SHAP):

  • Se emplea el método SHAP (Shapley Additive exPlanations) para interpretar las decisiones de la red.
  • Se utiliza el algoritmo Partition SHAP, que agrupa píxeles espacialmente para calcular el valor de Shapley de cada píxel, identificando qué regiones del cielo contribuyen más a la clasificación. Esto permite visualizar si la red se basa en señales cosmológicas o en artefactos de la máscara.

3. Contribuciones Clave

• Análisis a nivel de mapa: Demostración de que el análisis directo de mapas de CMB (en lugar de espectros $C_\ell$) permite capturar información de orden superior y correlaciones espaciales que se pierden en la compresión tradicional.
• Arquitectura Híbrida PCA-NN: Propuesta de un diseño donde el PCA actúa como una capa de extracción de características fija, resolviendo problemas de acondicionamiento en espacios de alta dimensión y permitiendo el entrenamiento estable de redes neuronales no lineales sobre datos de CMB enmascarados.
• Interpretabilidad Física: Aplicación exitosa de SHAP a mapas de CMB para validar que las decisiones del modelo se basan en señales cosmológicas globales y no en artefactos de la máscara galáctica o ruido instrumental.
• Reproducibilidad: Lanzamiento del proyecto de código abierto SkyExplain, que incluye todo el pipeline de simulación, entrenamiento e interpretabilidad.

4. Resultados

• Rendimiento de Clasificación: El pipeline PCA + MLP logra una precisión de clasificación casi perfecta (confusión matrices con valores cercanos a 1.0) para distinguir entre $\Lambda$CDM y el modelo de características en un rango de amplitudes $A_{lin} \in [0.01, 0.06]$ y frecuencias $\omega_{lin} \in [5, 25]$.
• Importancia del PCA: Sin el paso de PCA, el rendimiento de la red cae a niveles aleatorios, confirmando que la señal discriminativa es demasiado sutil para ser extraída directamente del espacio de píxeles ruidosos y enmascarados.
• Mapas de SHAP:
  • Los mapas de atribución muestran que la red identifica patrones oscilatorios difusos y globalmente distribuidos en los mapas de $T, Q$ y $U$.
  • No se observan "efectos de borde" significativos cerca de la máscara galáctica, lo que indica que la red ignora la geometría de la máscara y se centra en la señal física.
  • En los mapas de $\Lambda$CDM (sin características), los valores de SHAP son esencialmente nulos, actuando como un control negativo que confirma que la red no está sobreajustando al ruido gaussiano de fondo.

5. Significado e Impacto
Este trabajo establece un nuevo estándar para la detección de señales cosmológicas no triviales mediante aprendizaje automático. Al operar directamente en el espacio real y utilizar herramientas de interpretabilidad, el método supera las limitaciones de los estimadores de espectro de potencia en presencia de máscaras galácticas (que causan acoplamiento de modos y pérdida de información).
La capacidad de localizar espacialmente las características que impulsan la clasificación valida que el modelo está aprendiendo física real y no artefactos estadísticos. Esto abre la puerta a futuras aplicaciones en la búsqueda de señales inflacionarias complejas y no gaussianas en los datos de próxima generación de misiones de CMB, ofreciendo una alternativa escalable y transparente a los métodos de verosimilitud tradicionales.