cloelike: A Python Library for Cosmological Likelihood Inference in the Euclid Era

Resumen Técnico de cloelike: Una biblioteca de Python para inferencia de verosimilitud cosmológica en la era de Euclid

Enunciado del Problema
La misión Euclid de la ESA tiene como objetivo sondear la energía oscura, la materia oscura y las perturbaciones de densidad primordiales mediante observaciones fotométricas y espectroscópicas de alta precisión. Lograr estos objetivos requiere marcos de verosimilitud robustos, validados y reproducibles para la inferencia estadística. Aunque la comunidad cosmológica posee amplias herramientas de inferencia (por ejemplo, CosmoSIS, Cobaya), las implementaciones públicas de verosimilitud existentes a menudo adolecen de dos limitaciones: frecuentemente están específicas para un sondeo determinado, o carecen de la modularidad y la compatibilidad nativa con formatos de datos necesarias para análisis de Euclid totalmente integrados y de extremo a extremo. Existe la necesidad de una interfaz unificada y ligera dedicada al cálculo de la estadística $\chi^2$ que pueda integrarse sin fisuras con marcos bayesianos externos, mientras se adhiere estrictamente a los estándares de datos de Euclid.

Metodología y Diseño del Software
cloelike es un paquete de Python diseñado para abordar estas limitaciones al proporcionar una biblioteca modular y componible para la inferencia de verosimilitud gaussiana. Su arquitectura se basa en una estricta separación de responsabilidades:

1. Funcionalidad Central: El paquete se enfoca exclusivamente en evaluar el logaritmo de la verosimilitud gaussiana multivariada estándar:
   $$-2 \ln \mathcal{L} = (\mathbf{d} - \mathbf{t})^T \mathbf{C}^{-1} (\mathbf{d} - \mathbf{t}) + b$$
   donde $\mathbf{d}$ es el vector de datos, $\mathbf{t}$ es la predicción teórica, $\mathbf{C}$ es la matriz de covarianza y $b$ es un sesgo aditivo. No realiza muestreo de parámetros ni gestión de modelos, delegando estas tareas a motores externos (por ejemplo, Cobaya, CosmoSIS, Nautilus).

2. Arquitectura Modular:

   • Clases Base: Para sondas fotométricas, una clase base compartida maneja la ingestión de vectores de datos, enmascaramiento, recortes de escala, carga de covarianza, manejo de matrices de precisión y verificaciones de consistencia.
   • Mixins: Los cálculos de observables teóricos se delegan a mixins independientes y específicos del sondeo (por ejemplo, espectros de potencia angulares en el espacio armónico, funciones de correlación en el espacio de configuración, COSEBIs). Este diseño evita la duplicación de código y permite añadir nuevos observables implementando únicamente el módulo de predicción teórica.
   • Integración Basada en Protocolos: cloelike se interconecta directamente con la biblioteca de predicción teórica cloelib utilizando protocolos de Python. Esto asegura que las definiciones de verosimilitud y los cálculos teóricos permanezcan desacoplados, permitiendo que cloelike se beneficie inmediatamente de las actualizaciones en el modelado no lineal (por ejemplo, sesgo de galaxias, distorsiones del espacio de redshift) dentro de cloelib.

3. Compatibilidad de Datos: La biblioteca opera sobre vectores de datos, matrices de covarianza y predicciones teóricas estructurados dentro del formato de datos euclidlib. Soporta:

   • Sondas Fotométricas: Espectros de potencia angulares armónicos y funciones de correlación de dos puntos en espacio real para Lente Débil (WL), Agrupamiento de Galaxias Fotométricas (GCph) y Lente Galaxia-Galaxia (GGL) en todas las combinaciones conjuntas (3$\times$2pt, 2$\times$2pt).
   • Sondas Espectroscópicas: Multipolos de espectro de potencia de forma completa y Oscilaciones Acústicas Bariónicas (BAO).

Contribuciones Clave

• Interfaz Unificada: cloelike proporciona una interfaz de Python mínima y unificada para calcular estadísticas $\chi^2$ en todas las sondas principales de Euclid, soportando tanto datos fotométricos como espectroscópicos.
• Componibilidad: El marco permite a los usuarios construir verosimilitudes conjuntas (por ejemplo, combinando WL y GCph) al combinar contenedores de datos, representaciones de covarianza y proveedores de observables sin modificar la infraestructura subyacente.
• Rendimiento y Escalabilidad: La implementación utiliza operaciones vectorizadas, almacenamiento en caché de cantidades intermedias (como la matriz de covarianza inversa) y es compatible con códigos de muestreo paralelo para garantizar eficiencia en espacios de parámetros de alta dimensión.
• Adopción Comunitaria: El software se utiliza activamente dentro del Consorcio Euclid como la implementación de referencia de verosimilitud, sirviendo como una evolución natural del software CLOE anterior.

Resultados y Uso
El artículo demuestra la utilidad de la biblioteca mediante ejemplos de uso para dos verosimilitudes representativas:

1. Verosimilitud Fotométrica Armónica: Un ejemplo ilustra la inicialización y evaluación de un logaritmo de verosimilitud para espectros de potencia angulares de cizallamiento cósmico, detallando la construcción de diccionarios de datos, configuraciones de recortes de escala y la instanciación de la verosimilitud con clases específicas de fondo y perturbación de cloelib.
2. Verosimilitud de Forma Completa Espectroscópica: Un ejemplo demuestra el cálculo de un logaritmo de verosimilitud para espectros de potencia de forma completa de agrupamiento de galaxias espectroscópicas, incluyendo el manejo de multipolos ($P_0, P_2, P_4$), extracción de cosmología fiducial, reescalado de unidades y la definición de parámetros de molestia (por ejemplo, sesgo de galaxias, parámetros de EFT) a través de bins de redshift.

Significado
Los autores afirman que cloelike reduce la barrera para que la comunidad reproduzca los resultados oficiales de Euclid, al tiempo que habilita la exploración flexible de nuevas sistemáticas y modelos cosmológicos extendidos. Al actuar como una capa de verosimilitud dedicada y validada que complementa los marcos existentes de inferencia de extremo a extremo, garantiza la interoperabilidad sin duplicar funcionalidad. Su diseño modular facilita la inclusión de observables novedosos (como correlaciones cruzadas con el Fondo Cósmico de Microondas) y apoya los análisis coherentes de múltiples sondas necesarios para extraer el potencial científico completo de los datos de la encuesta Euclid. El paquete se publica abiertamente bajo la licencia MIT para apoyar la validación y la reproducibilidad comunitarias.