Interpretable machine learning of halo gas density profiles: a sensitivity analysis of cosmological hydrodynamical simulations

Énoncé du Problème
Comprendre la distribution du gaz au sein des galaxies et du milieu intergalactique est fondamental pour la théorie de la formation des galaxies, car l'efficacité de la formation stellaire dépend de manière critique de la quantité, de la configuration et de l'état thermodynamique de ce gaz. Ces propriétés sont régulées par les processus de rétroaction (feedback) stellaires et des noyaux actifs de galaxies (AGN). Cependant, les mécanismes spécifiques par lesquels la rétroaction façonne le profil de densité du gaz radial dans les halos hôtes restent mal contraints. Bien que les simulations hydrodynamiques cosmologiques (par exemple, EAGLE, IllustrisTNG, Simba) fournissent des descriptions détaillées de ces systèmes, elles utilisent des prescriptions de sous-grille distinctes pour la rétroaction, ce qui entraîne des différences de prédiction significatives et dépendantes du modèle concernant les distributions de gaz. Les modèles analytiques et semi-analytiques reposent souvent sur des hypothèses simplifiées (par exemple, des profils de loi de puissance à symétrie sphérique) qui ne parviennent pas à capturer l'interaction complexe des mécanismes de rétroaction. Inversement, bien que l'apprentissage automatique (ML) offre des capacités fondées sur les données, il est fréquemment critiqué pour son manque d'interprétabilité physique (sa nature de « boîte noire »). Ce travail répond au besoin d'un cadre qui soit à la fois précis pour prédire les profils de densité de gaz et physiquement interprétable concernant la manière dont les propriétés spécifiques des galaxies et des halos influencent ces profils à travers différents scénarios de rétroaction.

Méthodologie
Les auteurs utilisent des suites de simulations hydrodynamiques cosmologiques : EAGLE, IllustrisTNG et plusieurs variantes de Simba (incluant des exécutions avec des modes de rétroaction désactivés). Ils extraient des données pour des halos bien résolus ($M_{200c} > 10^{9,5} M_\odot$) sur des redshifts $0 < z < 4$.

1. Construction des Données :

   • Variable Cible : Profils radiaux de la densité de gaz totale ($\rho$) moyennés de manière sphérique en 20 compartiments logarithmiques de $0,01 R_{200c}$ à $5 R_{200c}$. Les prédictions sont restreintes à la plage numériquement robuste $0,05 R_{200c} \leq r \leq R_{200c}$.
   • Caractéristiques d'Entrée (Features) : Six propriétés globales : la masse totale du halo ($M_{200c}$), la masse de gaz de la galaxie centrale ($M_{gas}$), la masse stellaire ($M_\star$), le taux de formation stellaire (SFR), la masse du trou noir central ($M_{BH}$) et le taux d'accrétion du trou noir ($\dot{M}_{BH}$).
   • Prétraitement : Pour gérer la large gamme dynamique et les valeurs nulles (par exemple, pour le SFR ou l'accrétion du BH dans les systèmes éteints/quenched), les caractéristiques d'entrée et les variables cibles sont mises à l'échelle. Les masses et les densités utilisent des logarithmes décimaux. Les caractéristiques présentant des valeurs potentiellement nulles (SFR, $M_{BH}$, $\dot{M}_{BH}$) subissent une transformation par sinus hyperbolique inverse modifiée (Éq. 1) afin d'assurer une transition fluide d'un comportement linéaire pour les faibles valeurs vers un comportement logarithmique pour les valeurs élevées.

2. Modèle d'Apprentissage Automatique :

   • Un algorithme de régression par Forêt Aléatoire (Random Forest - RF) est entraîné pour prédire le profil de densité de gaz à chaque compartiment radial en fonction des six caractéristiques d'entrée.
   • Le jeu de données est divisé en ensembles d'entraînement (80 %) et de test (20 %). Les hyperparamètres (taille minimale de nœud, profondeur de l'arbre, nombre d'estimateurs) sont optimisés à l'aide d'un ensemble de validation.
   • Le modèle est entraîné séparément pour chaque instantané (snapshot) de la simulation.

3. Analyse de Sensibilité :

   • Pour interpréter le modèle RF « boîte noire », les auteurs appliquent une analyse de sensibilité statistique de Sobol. Cette technique quantifie la contribution de chaque caractéristique d'entrée (et de leurs interactions) à la variance de la sortie du modèle (densité de gaz prédite).
   • Ils calculent les indices de Sobol de premier ordre ($S_1$), représentant l'effet principal de la variation d'une seule caractéristique, et les indices de Sobol d'ordre total ($S_T$), représentant l'effet total incluant toutes les interactions avec d'autres caractéristiques.
   • Un seuil de signification est établi sur la base de l'exactitude intrinsèque du modèle pour distinguer l'importance physique des caractéristiques du bruit.

Principales Contributions

• Développement d'un Cadre de ML Interprétable : L'article présente un algorithme de Forêt Aléatoire capable de prédire les profils de densité de gaz des halos avec une grande précision en utilisant seulement six propriétés globales.
• Première Application de l'Analyse de Sobol aux Simulations Hydrodynamiques Complètes : Les auteurs appliquent l'analyse de sensibilité de Sobol aux simulations hydrodynamiques cosmologiques complètes pour la première fois, allant au-delà des modèles semi-analytiques ou des émulateurs. Cela permet une quantification rigoureuse de l'importance des caractéristiques et des dégénérescences dans un système physique complexe et non linéaire.
• Comparaison entre Simulations : Le cadre est testé à travers trois suites de simulations majeures (EAGLE, IllustrisTNG, Simba) avec des implémentations de rétroaction distinctes, ainsi que des variantes spécifiques de Simba où les modes de rétroaction (stellaire, vent d'AGN, jet d'AGN, rayons X) sont sélectivement désactivés.

Résultats

• Précision Prédictive : L'algorithme RF reproduit les profils de densité de gaz simulés avec une précision moyenne ($\langle \alpha \rangle$) de $\sim 83-90 \%$ sur la gamme de masse $10^{9,5} < M_{200c} < 10^{15} M_\odot$ et le redshift $0 < z < 4$.
  • EAGLE et IllustrisTNG atteignent $\sim 90 \%$ de précision à $z > 1$ et $\sim 86 \%$ à $z = 0$.
  • Les simulations Simba montrent une précision légèrement inférieure ($\sim 83-87 \%$), avec une sous-prédiction systématique dans les halos de haute masse ($M_{200c} > 10^{12,2} M_\odot$) à $z = 0$.
• Importance des Caractéristiques (Analyse de Sensibilité) :
  • Moteurs Dominants : À travers toutes les simulations et tous les redshifts, la masse totale du halo ($M_{200c}$) et la masse de gaz de la galaxie centrale ($M_{gas}$) sont les caractéristiques les plus influentes. $M_{gas}$ est le prédicteur le plus impactant, particulièrement dans le halo interne ($< 0,2 R_{200c}$), tandis que $M_{200c}$ agit comme un prédicteur global.
  • Évolution avec le Redshift : À haut redshift ($z = 4$), la masse stellaire ($M_\star$) devient un prédicteur significatif dans les régions internes, reflétant la dominance de la rétroaction stellaire. À des redshifts plus bas ($z \le 2$), l'importance de la masse du trou noir ($M_{BH}$) augmente, particulièrement dans Simba, corrélant avec l'apparition d'une rétroaction d'AGN significative.
  • Caractéristiques Négligeables : Le taux d'accrétion instantané du trou noir ($\dot{M}_{BH}$) et le taux de formation stellaire (SFR) montrent généralement un faible impact sur le profil de densité de gaz global. Les auteurs suggèrent que le faible impact du taux d'accrétion peut être dû à des décalages d'échelle de temps (échelles galactiques vs échelles de halo) ou à la nature anisotrope de la rétroaction d'AGN qui est diluée dans les moyennes sphériques.
  • Variantes de Rétroaction : Dans les variantes de Simba, l'activation des modes de rétroaction d'AGN (spécifiquement les jets d'AGN) augmente l'importance de $M_{BH}$ et $M_\star$ dans le façonnage de la distribution de gaz. Inversement, dans la simulation « Sans rétroaction » (No-feedback), $M_{gas}$ reste un prédicteur fort même à de grands rayons en raison de la conversion efficace du gaz en étoiles à travers le halo.

Signification et Revendications
Les auteurs positionnent ce travail comme une « preuve de concept » démontrant que les modèles fondés sur les données peuvent être rendus physiquement interprétables grâce à l'analyse de sensibilité.

• Interprétabilité : L'étude démontre avec succès que bien que la physique de la rétroaction soit complexe, les profils de densité de gaz résultants sont fortement liés à quelques propriétés globales ($M_{gas}$ et $M_{200c}$), avec des dépendances secondaires vis-à-vis des propriétés stellaires et des trous noirs qui évoluent avec le redshift et l'implémentation de la rétroaction.
• Utilité pour la Théorie : Le cadre peut être intégré dans des modèles semi-analytiques de formation de galaxies pour incorporer des profils de densité de gaz cohérents avec diverses simulations hydrodynamiques sans avoir à exécuter des simulations complètes.
• Application Future : Les auteurs affirment que l'exactitude du modèle (particulièrement à $z \gtrsim 1$) est suffisante pour servir de référence pour les comparaisons futures avec les données observationnelles (par exemple, la brillance de surface des rayons X, les raies d'émission/absorption). Ils notent que si l'exactitude actuelle à $z = 0$ pour Simba est légèrement inférieure au seuil observationnel de $\sim 15 \%$, le modèle est prometteur pour contraindre les modèles de rétroaction une fois étendu pour prédire des phases gazeuses spécifiques (ISM, CGM) plutôt que seulement la densité totale.

L'article conclut que cette approche offre une méthode peu coûteuse en calcul et physiquement intuitive pour comprendre l'interaction entre la rétroaction, les propriétés des galaxies et la distribution du gaz, servant de fondation pour des travaux futurs reliant les paramètres de simulation aux contraintes observationnelles.