Bayesian Deep Gaussian Processes for Correlated Functional Data: A Case Study in Cosmological Matter Power Spectra

Résumé Technique : Processus Gaussiens Profonds Bayésiens pour les Données Fonctionnelles Correlées

Énoncé du Problème
L'article traite du défi consistant à estimer le spectre de puissance de la matière en « volume infini », $P_\infty(k)$, à partir de simulations cosmologiques informatiques. Plus précisément, les auteurs se concentrent sur la suite de simulations Mira-Titan, qui fournit de multiples courbes de réponse de fidélités variables pour un ensemble donné de paramètres cosmologiques (une « cosmologie »). Ces sorties incluent :

1. Spectres de la théorie des perturbations ($P_p$) : Dérivés analytiquement, précis uniquement aux grandes échelles spatiales (faibles nombres d'ondes, $k < 0,04$).
2. Simulations à basse résolution ($P_{\ell r}$) : 16 réalisations corrélées par cosmologie, précises pour les échelles intermédiaires ($0,04 \le k \le 0,25$) mais sujettes au caractère aléatoire de l'initialisation.
3. Simulations à haute résolution ($P_h$) : Une seule réalisation par cosmologie, précise pour une gamme plus large ($0,04 \le k \le 5$), mais toujours sujette aux effets de volume fini à bas $k$.

La difficulté centrale réside dans la synthèse de ces sorties fonctionnelles hétérogènes, corrélées et bruitées pour estimer le $P_\infty(k)$ lisse et non aléatoire, tout en fournissant une quantification de l'incertitude (UQ) rigoureuse. Les méthodes existantes traitent souvent ces sorties comme des observations scalaires indépendantes ou ne parviennent pas à rendre compte de la dépendance spatiale inhérente aux courbes fonctionnelles à travers les nombres d'ondes. De plus, les auteurs visent à construire un modèle de substitution (émulateur) pour prédire les spectres de cosmologies non observées sans exécuter de nouvelles simulations coûteuses.

Méthodologie
Les auteurs proposent un modèle de Processus Gaussien Profond (DGP) Hiérarchique Bayésien, nommé DGP.FCO, conçu spécifiquement pour les sorties fonctionnelles corrélées.

1. Structure Hiérarchique :

   • Couche d'Observation : La moyenne pondérée observée des sorties de simulation ($\bar{Y}$) est modélisée comme une réalisation bruitée du spectre sous-jacent $S$. Contrairement aux approches précédentes qui supposent une matrice de covariance diagonale, ce modèle utilise une matrice de covariance dense $\Sigma_\epsilon$ (basée sur un noyau de Matérn) pour capturer la dépendance spatiale lisse et les corrélations à travers les nombres d'ondes.
   • Couche de Spectre Latent : Le spectre sous-jacent $S$ est modélisé comme un Processus Gaussien centré sur zéro, $S \sim \text{GP}(0, \Sigma_S(W))$.
   • Couche Latente Profonde : Pour gérer la non-stationnarité (spécifiquement les oscillations acoustiques baryoniques dans la plage $-1,4 \le \log_{10}(k) \le -0,8$), l'espace d'entrée $X$ (nombres d'ondes) est transformé par un processus gaussien monotone latent, $W \sim \text{monoGP}$. Cette déformation permet au modèle d'adapter la lissé du spectre réalisé à travers différentes échelles.

2. Inférence :

   • Les auteurs utilisent l'Échantillonnage de Tranche Elliptique (ESS) pour inférer la fonction de déformation latente $W$ et des étapes de Metropolis-Hastings au sein d'un cadre de Gibbs pour mettre à jour les hyperparamètres du noyau ($\theta_S, \theta_W$).
   • La distribution postérieure du spectre $S$ est dérivée en forme fermée étant donné les variables latentes, permettant un échantillonnage direct pour calculer les moyennes postérieures et les intervalles de crédibilité à 95 %.

3. Émulation pour les Cosmologies Non Observées :

   • Pour prédire les spectres de nouvelles cosmologies, les auteurs emploient une approche en deux étapes. D'abord, le modèle DGP.FCO est utilisé pour estimer les spectres des cosmologies d'entraînement.
   • Ces spectres estimés sont ensuite décomposés à l'aide de l'Analyse en Composantes Principales (PCA).
   • Un émulateur de processus gaussien distinct est entraîné sur les poids des composantes principales en fonction des huit paramètres cosmologiques. Ce modèle de substitution permet une prédiction rapide des spectres pour des configurations cosmologiques non observées.

Contributions Clés

• Extension des DGP Profonds Bayésiens : L'article étend les processus gaussiens profonds bayésiens des réponses scalaires aux sorties fonctionnelles corrélées. Il s'agit d'une application novatrice des DGP dans le contexte des expériences informatiques.
• Synthèse de Données Multi-Fidélité : Le modèle synthétise efficacement les données de la théorie des perturbations, des simulations à basse résolution et des simulations à haute résolution, en respectant les plages de nombres d'ondes spécifiques où chaque source de données est sans biais.
• Incorporation de Connaissances Métier : Le modèle incorpore explicitement les connaissances d'experts concernant la fiabilité des différentes sources de données (via des matrices de précision) et la nature non stationnaire des spectres (via le GP monotone latent).
• Évaluation de Performance (Benchmarking) : La méthode est validée par rapport à des données synthétiques et au modèle CAMB (Code for Anisotropies in the Microwave Background), qui fournit une vérité terrain de « volume infini » connue. Elle est également comparée à l'état de l'art Cosmic Emu (une approche de convolution de processus profond) sur l'ensemble de données Mira-Titan.

Résultats

• Expériences Synthétiques et CAMB : Dans les études de simulation où la courbe sous-jacente réelle est connue, le modèle DGP.FCO surpasse les méthodes concurrentes (DGP standard, GP hétéroscédastique et convolution de processus profond) en termes de score de log, une règle de score propre qui évalue à la fois l'exactitude et la calibration de l'incertitude. Les auteurs notent que la prise en compte de la dépendance spatiale entre les observations conduit à une UQ plus efficace.
• Émulation Mira-Titan : Lors de la prédiction de spectres pour des cosmologies non incluses dans l'échantillon, la méthode proposée (DGP.FCO + PCA + émulateur GP) est performante par rapport à l'actuel Cosmic Emu.
• Quantification de l'Incertitude : Le modèle hiérarchique fournit avec succès des intervalles de crédibilité qui reflètent l'incertitude découlant des volumes de simulation finis et du caractère aléatoire de l'initialisation, ce que les simples moyennes pondérées ne parviennent pas à capturer de manière adéquate.

Signification et Revendications
Les auteurs affirment que leur approche fournit un cadre robuste pour estimer le spectre de puissance de la matière en volume infini à partir de suites de simulations complexes et multi-fidélités. En allant au-delà des réponses scalaires pour traiter des sorties fonctionnelles corrélées, la méthode capture la lissé intrinsèque et la dépendance des spectres cosmologiques que d'autres émulateurs ignorent. Cet article positionne ce travail comme une étape critique vers l'analyse efficace des grands relevés cosmologiques (ex: Euclid, LSST), où la prédiction rapide et précise des spectres de puissance de la matière avec une quantification de l'incertitude fiable est essentielle pour contraindre les paramètres cosmologiques. Les auteurs fournissent les données, le code reproductible et un package R pour faciliter l'adoption de ce modèle de DGP bayésien.