Interpretable Neural Marked Statistics for Cosmological Inference

Resumen Técnico: Marcas Equivariantes Interpretables para la Inferencia Cosmológica de Contraste

Planteamiento del Problema
La recuperación de información cosmológica más allá del espectro de potencia es un objetivo central para los próximos sondeos de la Estructura a Gran Escala (LSS, por sus siglas en inglés) (p. ej., SPHEREx, DESI, Euclid). Si bien el espectro de potencia es óptimo para campos gaussianos, la densidad de materia en épocas tardías exhibe señales no gaussianas que las estadísticas de dos puntos por sí solas no pueden capturar. Los enfoques tradicionales para extraer esta información enfrentan obstáculos significativos:

• Correladores de orden superior: Escalar la jerarquía de los correladores de $n$ puntos es computacionalmente costoso en el espacio de configuración, y la teoría de perturbaciones colapsa en el régimen no lineal.
• Inferencia a nivel de campo: La inferencia basada en simulaciones y los resúmenes neuronales a nivel de campo evitan las estadísticas explícitas, pero a menudo sacrifican la interpretabilidad y requieren simulaciones de alta fidelidad.
• Estadísticas marcadas clásicas: Los métodos existentes reponderan el campo de densidad con una marca espacial $M(x)$ para integrar correlaciones de orden superior en el nivel de dos puntos. Sin embargo, estas marcas son típicamente diseñadas a mano con formas funcionales fijas (por ejemplo, respuestas de densidad suavizada) o optimizadas solo en una cosmología fiducial, lo que limita su adaptabilidad e interpretabilidad a través del espacio de parámetros.

Metodología
Los autores proponen un marco que reemplaza las marcas diseñadas a mano por un esquema de marcado neuronal aprendido, agnóstico a la cosmología e interpretable. El marco consta de dos componentes principales:

1. Arquitectura de Marcado Neuronal Aprendido e Interpretable:

   • La marca $M(x)$ se construye como una respuesta escalar con traslación-equivariante derivada del campo de densidad de materia $\delta(x)$.
   • Filtrado de Armónicos Esféricos: El campo de densidad se descompone en canales utilizando filtros conscientes de los armónicos esféricos ($\ell \in \{0, 1, 2\}$) en el espacio de Fourier. Estos filtros producen canales escalares invariantes de rotación:
     • $\ell=0$: Una respuesta monopolo con signo ($E_0$).
     • $\ell=1$: Una respuesta de tipo vectorial con amplitud invariante ($E_1$).
     • $\ell=2$: Dos invariantes escalares derivados de un tensor simétrico traza nula ($E_2$ para la fuerza de anisotropía, $I_3$ para distinguir formas prolatas/oblatas).
   • Procesamiento: Estos canales invariantes son procesados por Perceptrones Multicapa (MLP) independientes y combinados de forma aditiva con un término de interacción cruzada. El resultado se pasa a través de una activación softplus para asegurar la positividad.
   • Inicialización: La red se inicializa de tal manera que $M(x) \approx 1$, lo que significa que el entrenamiento comienza desde el campo no marcado. Esto permite que la marca aprendida se descomponga en contribuciones morfológicas distintas.

2. Objetivo de Aprendizaje de Contraste:

   • El marco emplea un objetivo de aprendizaje de contraste (InfoNCE) para alinear los resúmenes marcados con los parámetros cosmológicos $\theta$ en un espacio latente compartido.
   • Vectores de Resumen: El resumen incluye el espectro de potencia del campo no marcado ($P_{\delta\delta}$) y del campo marcado ($P_{\Delta\Delta}$), junto con el espectro cruzado ($P_{\delta\Delta}$) y el coeficiente de correlación.
   • Residualización: Para asegurar que la marca aprenda información complementaria en lugar de simplemente reproducir el espectro de potencia, el resumen del embedding de la marca ($z_M$) se residualiza contra el embedding no marcado ($z_\delta$) para producir un componente ortogonal $z_\perp$.
   • Función de Pérdida: La pérdida alinea $z_\perp$ con el embedding de parámetro $z_\theta$ usando una métrica de Mahalanobis aprendida, mientras separa el componente de candidatos negativos muestreados del prior (negativos reales, sintéticos globales y sintéticos locales).
   • Estrategia de Entrenamiento: La rama no marcada se pre-entrena y se congela; luego, la red de marcado y el embebedor de parámetros se ajustan finamente utilizando la pérdida de contraste.

Contribuciones Clave

• Generalización de las Estadísticas Marcadas: El artículo introduce una arquitectura neuronal que generaliza el concepto de estadísticas marcadas, yendo más allá de las formas funcionales fijas hacia una transformación aprendida que permanece inspeccionable en el espacio de configuración.
• Interpretabilidad vía Equivarianza: Al imponer la SO(3)-equivarianza local y utilizar filtros de armónicos esféricos, el modelo extrae características con significados físicos claros (respuestas de monopolo, dipolo, cuadrupolo) que pueden ser directamente visualizadas y analizadas.
• Alineación de Contraste: El uso de un objetivo de contraste con residualización asegura que la marca aprendida apunte específicamente a la información ortogonal al espectro de potencia estándar, rompiendo las degeneraciones que las estadísticas tradicionales no pueden resolver.

Resultados
El método fue evaluado en la suite de simulaciones N-body Quijote ($z=0$) con 5 parámetros cosmológicos variables ($\Omega_m, \Omega_b, h, n_s, \sigma_8$).

• Restricciones de Información de Fisher: En $k_{\max} = 0.2 \, h\text{Mpc}^{-1}$, la marca aprendida estrecha las restricciones marginalizadas en 2.9$\times$ para $\sigma_8$ y en 1.8$\times$ para $\Omega_m$ comparado con las marcas clásicas. Crucialmente, rompe la degeneración canónica $\Omega_m - \sigma_8$, rotando el contorno del posterior conjunto para permitir la mejora simultánea en ambos parámetros.
• Generalización (MSE): A través de un conjunto de prueba de hipercubo latino, la marca aprendida reduce el Error Cuadrático Medio (MSE) de los parámetros en un factor de 1.45$\times$ sobre la mejor marca clásica. Demuestra una generalización robusta, particularmente para $\sigma_8$, aunque las marcas clásicas siguen siendo ligeramente más estables para $\Omega_m$ en configuraciones específicas de $(p, \delta_s)$.
• Geometría Latente: El Análisis de Componentes Principales (PCA) del embedding aprendido revela que los dos primeros componentes principales se alinean casi perfectamente con las direcciones de $\sigma_8$ y $\Omega_m$, confirmando que el objetivo de contraste recupera con éxito los ejes dominantes de la información cosmológica.
• Introspección: El análisis de la marca entrenada muestra que el canal isotrópico ($\ell=0$) domina la respuesta, recuperando efectivamente una densidad reponderada no linealmente, mientras que los canales anisotrópicos proporcionan correcciones subdominantes en los límites de las estructuras.

Significancia
El artículo sostiene que este enfoque abre la puerta a estadísticas de resumen más potentes e interpretables para la inferencia cosmológica. Al reemplazar las transformaciones diseñadas a mano por una arquitectura aprendida y motivada físicamente, el método cierra la brecha entre el alto poder de restricción de las redes neuronales a nivel de campo y la interpretabilidad de las estadísticas tradicionales. La capacidad de inspeccionar la marca aprendida en el espacio de configuración permite a los investigadores comprender qué características morfológicas locales (por ejemplo, vacíos, filamentos, estructuras anisotrópicas) portan la información cosmológica más rica. Los autores posicionan esto como un paso hacia herramientas de inferencia flexibles que pueden reducir los costos de simulación y mejorar el retorno científico de los sondeos de galaxias, con posibles extensiones a otros parámetros como la no-gaussianidad primordial.