cloelib: A Flexible Python Library for Computing Cosmological Observables in the Euclid Era

Resumen Técnico de cloelib: Una Biblioteca Flexible de Python para el Cálculo de Observables Cosmológicos en la Era de Euclid

Planteamiento del Problema
El campo de la cosmología observacional está entrando en una era de precisión impulsada por sondeos de galaxias de Fase IV, incluida la misión Euclid de la Agencia Espacial Europea, DESI, el Observatorio Vera C. Rubin y el Telescopio Espacial Nancy Grace Roman. Estas misiones generan conjuntos de datos masivos que requieren predicciones teóricas que sean tanto precisas como computacionalmente eficientes para restringir modelos cosmológicos. Aunque los marcos existentes (por ejemplo, CCL, CosmoSIS, CAMB, CLASS) proporcionan herramientas robustas, a menudo carecen de la flexibilidad para integrar de manera fluida diversos componentes preexistentes o para explorar modelos teóricos amplios junto con efectos sistemáticos integrales. Específicamente, el software original CLOE (Cosmology Likelihood for Observables in Euclid), aunque central para los análisis de Euclid, adolecía de limitaciones estructurales: extenderlo para nuevos observables o elecciones de modelado requería modificaciones intrusivas, lo que generaba deuda técnica y reducía la mantenibilidad. Además, el marco no fue diseñado originalmente para apoyar el desarrollo independiente y la integración de nuevos modelos teóricos o sistemáticos dentro de una tubería unificada, ni apoyaba nativamente técnicas modernas de inferencia basadas en gradientes.

Metodología y Diseño del Software
cloelib es una biblioteca totalmente en Python diseñada para operacionalizar la flexibilidad y la eficiencia requeridas para la inferencia cosmológica moderna. Representa una evolución estructural del software CLOE, introduciendo una arquitectura modular basada en protocolos de Python (PEP 544) para imponer un enfoque de "enchufar y jugar".

La biblioteca organiza la funcionalidad en cuatro capas distintas:

1. Fondos Cosmológicos: Manejo de la historia de la expansión y las distancias.
2. Teoría de Perturbaciones: Gestión de espectros de potencia de materia lineales y no lineales.
3. Observables: Cálculo de cizallamiento cósmico, agrupamiento fotométrico/espectroscópico y lenteado del CMB.
4. Estadísticas de Resumen: Generación de espectros de potencia angulares, funciones de correlación y multipolos de Legendre.

Las características técnicas clave incluyen:

• Interfaces Basadas en Protocolos: Los componentes interactúan a través de interfaces bien definidas (por ejemplo, Background, Perturbations, Tracer, SpectroPower) en lugar de jerarquías de herencia rígidas. Esto permite a los investigadores cambiar entre diferentes backends teóricos (por ejemplo, solucionadores de Boltzmann como CAMB y CLASS, o emuladores como CosmoPower, BACCOemu y EuclidEmulator2) sin modificar la tubería de análisis.
• Integración con JAX: Una característica central es la integración nativa con JAX, que permite diferenciación automática, cálculo eficiente basado en gradientes y compilación justo a tiempo (JIT). Esto transforma las tuberías convencionales en programas completamente diferenciables, facilitando métodos de inferencia avanzados como el Monte Carlo de Hamiltoniano y el modelado basado en redes neuronales.
• Modelado Sistemático: La biblioteca incluye implementaciones para sistemáticas específicas de las encuestas, como correcciones de Alcock–Paczynski, calibración de cizallamiento y corrimiento al rojo fotométrico, y pureza espectroscópica.
• Optimización del Rendimiento: Las secciones críticas utilizan compilación JIT y un sistema de caché evita evaluaciones redundantes. La biblioteca soporta tanto teorías de perturbaciones lineales como no lineales, interfazando con emuladores de última generación (por ejemplo, HMCode2020Emu, FlamingoBaryonResponseEmulator) y códigos espectroscópicos (PBJ, comet-emu).

Contribuciones y Capacidades Clave

• Interfaz Unificada: cloelib es el primer código de estructura a gran escala en implementar una interfaz unificada para múltiples códigos cosmológicos utilizando protocolos de Python, permitiendo la comparación fluida de diferentes implementaciones teóricas dentro de una configuración consistente.
• Cosmología Diferenciable: Al aprovechar JAX, la biblioteca permite el entrenamiento de emuladores de redes neuronales y el uso de muestreadores basados en gradientes, que a menudo son difíciles de implementar de manera eficiente en marcos tradicionales.
• Análisis de Extremo a Extremo: Integrada con el módulo de verosimilitud complementario cloelike, la biblioteca soporta la cadena completa desde el cálculo de observables hasta la evaluación de la verosimilitud y el muestreo posterior para parámetros.
• Extensibilidad Modular: El uso de mixins y protocolos de Python permite a los usuarios extender la funcionalidad (por ejemplo, añadiendo efectos bariónicos) sin alterar las implementaciones subyacentes.

Resultados y Rendimiento
El artículo reporta benchmarks de rendimiento computacional en un chip Apple M4:

• Inicialización: La inicialización de las clases de trazadores de cizallamiento y posición toma aproximadamente 0.4 segundos; las llamadas subsiguientes son efectivamente instantáneas debido a la caché.
• Sondas Fotométricas: Calcular espectros de potencia angulares para un análisis 3x2-pt (3000 multipolos, 512 valores de k, 500 corrimientos al rojo, 6 bins) utilizando la aproximación de Limber toma aproximadamente 0.06 segundos por llamada después de una fase de inicialización de un segundo. Para una configuración similar a Euclid con 13 bins (351 espectros), el tiempo es de aproximadamente 0.1 segundos por llamada.
• Sondas Espectroscópicas: Calcular multipolos de Legendre espectroscópicos de forma completa para un solo bin de corrimiento al rojo toma aproximadamente 3 milisegundos.
• Comparación: Estos resultados representan una aceleración significativa en comparación con el antiguo software CLOE, manteniendo al mismo tiempo una precisión a nivel de porcentaje mediante el uso de emuladores de última generación.

Significado
El artículo posiciona a cloelib como la infraestructura de referencia para el cálculo teórico del primer lanzamiento cosmológico de Euclid. Su significado radica en tender un puente entre la cosmología numérica tradicional y las técnicas de optimización modernas y los enfoques emergentes de aprendizaje automático. Al proporcionar una plataforma flexible, extensible y diferenciable, cloelib aborda las limitaciones estructurales de las herramientas anteriores, permitiendo análisis estadísticos más rápidos y optimizados. Está diseñada para satisfacer las demandas de la próxima generación de experimentos de cosmología de precisión, facilitando estudios sistemáticos, comparaciones de modelos y validación cruzada robusta de resultados cosmológicos dentro del Consorcio Euclid y la comunidad más amplia.