Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation

Resumen Técnico: Modelos de Difusión Condicionales Tridimensionales para la Emulación de Conos de Luz 21 cm Cosmológicos

Enunciado del Problema
La señal 21 cm desplazada al rojo proveniente del hidrógeno neutro es una sonda crítica del Amanecer Cósmico y la Época de Reionización (EoR). La interpretación de futuros datos de imagen de instalaciones como HERA y SKA requiere modelos forward rápidos y físicamente fiables a través de amplios espacios de parámetros astrofísicos. Aunque las simulaciones seminuméricas como 21cmFAST son estándar, son computacionalmente costosas para barridos de parámetros a gran escala o inferencia basada en simulaciones. Los emuladores de aprendizaje automático, particularmente los modelos generativos, ofrecen una solución. Sin embargo, extender estos modelos de rebanadas de imagen 2D a conos de luz 3D completos introduce desafíos significativos. La adición de una tercera dimensión (profundidad a lo largo de la línea de visión) aumenta drásticamente los costos de memoria, obligando a micro-lotes muy pequeños que amplifican el ruido de optimización. Además, la distribución subyacente de los vóxeles de temperaturas de brillo 21 cm es altamente sesgada y de cola larga, lo que hace que las distorsiones en el espacio de transformadas y el control del rango dinámico sean críticos para un entrenamiento estable y una fidelidad física.

Metodología
Los autores investigan el modelado de difusión condicional para la emulación de conos de luz 21 cm 3D utilizando un conjunto de datos de 25.600 conos de luz de entrenamiento generados por 21cmFAST.

• Datos y Condicionamiento: Los campos objetivo son cubos de vóxeles de $64 \times 64 \times 1024$ que abarcan un rango de corrimiento al rojo de $z \in [7.51, 20.95]$. Los modelos se condicionan en dos parámetros astrofísicos: la temperatura virial mínima de los halos ($\log_{10} T_{\text{vir}}$) y la eficiencia de ionización ($\zeta$).
• Arquitectura: Se emplea una U-Net condicionada por contexto, utilizando pasos de submuestreo/sobremuestreo anisotrópicos de $(2, 2, 4)$ para acomodar la geometría alargada del cono de luz. El modelo utiliza 128 canales base con multiplicadores de canales $(1, 1, 2, 4)$ e incorpora incrustaciones de paso de tiempo y condición.
• Pipeline de Preprocesamiento: Un foco central del estudio es el pipeline de preprocesamiento, definido como: $x_{\text{raw}} \to \text{transformación primaria} \to \text{compresión opcional} \to \text{difusión} \to \text{descompresión inversa} \to \text{transformación inversa}$. Los autores comparan cuatro transformaciones de normalización primarias (Yeo–Johnson, Min–Max, Puntuación Z, Arcsenh) y un paso opcional de compresión de rango dinámico ("compresión").
• Diseño de Validación: El estudio utiliza 800 realizaciones independientes por punto de parámetro para la validación a través de cinco conjuntos de parámetros de referencia distintos. Este diseño prueba tanto la tendencia central como la diversidad condicional de la distribución objetivo.
• Métricas de Evaluación: Las muestras generadas se evalúan utilizando una jerarquía de diagnósticos:
  1. Rebanadas de imagen de temperatura de brillo ($T_b$) (cualitativas).
  2. Señal global $\langle T_b \rangle$ frente al corrimiento al rojo (evolución media).
  3. Espectro de potencia (estructura espacial de dos puntos).
  4. Coeficientes de dispersión reducidos (morfología no gaussiana de orden superior).
     El rendimiento se cuantifica utilizando el error absoluto medio normalizado por la desviación estándar ($\text{MAE}_{\text{std}}$) como métrica principal de clasificación.

Contribuciones y Resultados Clave

• Dominio del Preprocesamiento: El estudio identifica el preprocesamiento y el control del rango dinámico como los factores dominantes que gobiernan la estabilidad del entrenamiento y la fidelidad física en entornos 3D, superando la profundidad arquitectónica o la duración del entrenamiento una vez que la optimización se estabiliza.
• Configuración Óptima: Entre las configuraciones probadas, la preprocesamiento Yeo–Johnson combinado con una compresión de amplitud moderada ($A=0.1$) produce el compromiso más consistentemente favorable. Esta configuración supera a las transformaciones Min–Max, Puntuación Z y Arcsenh, así como a las configuraciones sin compresión de amplitud.
• Jerarquía de Fidelidad: El éxito de la emulación sigue una jerarquía clara:
  • Señal Global: El modelo logra el acuerdo más fuerte, capturando con precisión la temporización y la profundidad de los valles de absorción.
  • Espectro de Potencia: El acuerdo es más débil, particularmente en modos de alto-$k$ (escalas pequeñas), donde el modelo lucha por reproducir bordes nítidos.
  • Coeficientes de Dispersión: La morfología no gaussiana de orden superior sigue siendo lo más difícil de igualar. Aunque el modelo captura patrones estructurales amplios, persisten sesgos medibles en la morfología multiescala.
• Modos de Fallo: La limitación principal es la incapacidad del modelo para reproducir perfectamente la población de vóxeles agudamente concentrada y cercana a cero encontrada en 21cmFAST. El modelo de difusión tiende a ensanchar este pico, resultando en regiones ionizadas "más suaves" y píxeles pequeños no nulos en áreas visualmente oscuras. Este suavizado se manifiesta como discrepancias residuales en el espectro de potencia a escalas pequeñas y en estadísticas de orden superior.
• Sensibilidad a Hiperparámetros: Aumentar la profundidad del modelo (bloques residuales) no produjo mejoras monótonas; de hecho, el modelo más superficial (1 bloque residual) superó a las variantes más profundas, probablemente debido a la dinámica de optimización ruidosa inducida por micro-lotes pequeños en 3D.

Significado y Afirmaciones
Los autores posicionan este trabajo como una línea base a nivel de simulación para la emulación 21 cm tridimensional en lugar de un pipeline completo de inferencia de extremo a extremo listo para datos de sondeos.

• Perspectiva Metodológica: El artículo argumenta que en regímenes de alta dimensión, la generación estable depende principalmente del preprocesamiento y el control del rango dinámico. La plausibilidad visual por sí sola es insuficiente; los diagnósticos sensibles a la morfología (como los coeficientes de dispersión) son necesarios para detectar sesgos que los resúmenes de orden inferior podrían pasar por alto.
• Alcance: El estudio es una prueba de interpolación dentro del espacio de parámetros de entrenamiento. Aún no aborda los desafíos orientados a sondeos, como la respuesta del instrumento, la contaminación por foregrounds o la calibración de incertidumbres para la estimación de parámetros.
• Utilidad Futura: La configuración óptima identificada (Yeo–Johnson + $A=0.1$) proporciona un punto de partida robusto para futuros estudios que busquen incorporar efectos observacionales realistas o realizar inferencia basada en simulaciones, siempre que se reconozcan las limitaciones relacionadas con la morfología a pequeña escala.