The global structure of the time delay likelihood

1. Problématique

L'article aborde un problème fondamental dans l'inférence des délais temporels, une mesure cruciale pour la cosmographie par lentilles gravitationnelles (détermination de la constante de Hubble, $H_0$) et la cartographie par réverbération des noyaux actifs de galaxies (AGN).

• Le défi : Les courbes de lumière des quasars lentillés sont bruyantes, échantillonnées de manière irrégulière et stochastiques. L'inférence bayésienne complète de ces délais est rendue difficile par la topologie complexe de la surface de vraisemblance.
• La pathologie identifiée : Les auteurs identifient une pathologie intrinsèque dans la fonction de vraisemblance pour l'inférence de délais temporels. Sous des hypothèses courantes (modèles de Processus Gaussiens stationnaires pour la variabilité intrinsèque), la vraisemblance en fonction du délai $\Delta t$ développe une structure en forme de « W » :
  • Un pic global au vrai délai temporel.
  • Des modes « spurs » (artificiels) aux bords de la fenêtre d'observation, où la vraisemblance augmente progressivement.
• Conséquence : Les méthodes d'échantillonnage globales (comme l'échantillonnage imbriqué ou Nested Sampling) et les méthodes locales (MCMC, optimiseurs) sont souvent piégées par ces modes aux bords, conduisant à des inférences incorrectes et à des biais systématiques dans les paramètres cosmologiques dérivés (notamment une surestimation de $H_0$).

2. Méthodologie

Les auteurs utilisent une approche combinant analyse théorique, modélisation par processus gaussiens (GP) et simulations numériques.

• Modélisation : Ils définissent les courbes de lumière comme des Processus Gaussiens (GP) avec un noyau exponentiel (correspondant à une marche aléatoire amortie, modèle standard pour les quasars). Le délai temporel $\Delta t$ est introduit comme un décalage temporel entre deux courbes de lumière corrélées.
• Analyse théorique :
  • Ils décomposent la vraisemblance en deux termes : la qualité de l'ajustement ($\chi^2$) et une pénalité de complexité (liée au déterminant de la matrice de covariance).
  • Ils démontrent analytiquement que l'augmentation de la vraisemblance vers les bords est due à la nature extrapolative du problème. Lorsque le délai $\Delta t$ est grand, les courbes de lumière ne se chevauchent plus. Le GP, n'ayant plus de données pour conditionner la prédiction, revient à sa distribution a priori (moyenne nulle avec une grande variance).
  • Dans cette région de non-chevauchement, les points de données de la deuxième courbe tombent simplement dans les barres d'erreur de l'extrapolation du GP, ce qui est interprété par le modèle comme un ajustement acceptable, augmentant artificiellement la vraisemblance.
• Simulations numériques :
  • Utilisation de l'algorithme Nested Sampling (NS) (via PolyChord et BlackJAX) pour échantillonner la distribution a posteriori.
  • Génération de données synthétiques avec des délais connus pour tester la capacité des algorithmes à retrouver le vrai pic.
  • Analyse de la convergence en fonction du nombre de points vivants (live points) et de la densité des données.
  • Application à des données réelles (quasar HE 0435-1223) et intégration de priors cosmologiques et de modèles de lentilles.

3. Contributions Clés

1. Identification de la structure « W » : La découverte que la vraisemblance des délais temporels possède inévitablement une dérive vers les bords de la fenêtre d'observation due à l'extrapolation des GP stationnaires.
2. Analyse de l'échec des échantillonneurs : Démonstration que les échantillonneurs globaux comme le Nested Sampling échouent systématiquement si le budget de points vivants est insuffisant. Les points sont « poussés » vers les bords par le gradient de vraisemblance croissant, manquant le pic central étroit.
3. Biais sur $H_0$ : Mise en évidence que les méthodes d'optimisation et les MCMC locaux, qui favorisent implicitement les petits délais (ou échouent à explorer les bords), induisent un biais vers des valeurs de $H_0$ plus élevées.
4. Solutions pratiques :
   • Augmentation drastique des points vivants : Il faut augmenter le nombre de points vivants (d'un facteur 10 ou plus par rapport aux réglages standards) pour garantir que le pic central étroit soit échantillonné lors de l'initialisation.
   • Critères de convergence stricts : Nécessité de diagnostics rigoureux pour détecter les modes manquants.
   • Limites des priors : Démonstration que les priors issus des modèles de lentilles et de la cosmologie ne suffisent pas à supprimer les modes aux bords, car ces derniers peuvent être physiquement plausibles dans le cadre du modèle de lentille seul.

4. Résultats Principaux

• Comportement de la vraisemblance : Les simulations montrent que la vraisemblance moyenne augmente linéairement avec le délai $\Delta t$ à mesure que la densité de données augmente. La structure en « W » devient plus prononcée avec plus de données sur une fenêtre fixe.
• Échec de la convergence : Avec des réglages standards de Nested Sampling, une fraction significative des exécutions converge vers les modes aux bords ($\Delta t \approx \pm T_{range}$) plutôt que vers le vrai délai. Cette fraction de non-convergence diminue lentement à mesure que le nombre de points vivants augmente, mais reste non nulle même avec 250 points (contre 15-75 habituellement).
• Impact des hyperparamètres : Lorsque le nombre de points de données augmente, l'incertitude sur le vrai délai diminue, mais l'incertitude sur les modes aux bords diminue aussi, rendant les modes spurs plus attractifs pour l'algorithme.
• Données réelles : L'analyse du quasar HE 0435-1223 confirme que la structure globale de la vraisemblance est préservée sur des données réelles, avec des valeurs de vraisemblance aux bords comparables à celles du pic central.
• Priors cosmologiques : L'application de priors sur $H_0$ et les paramètres de la lentille ne supprime pas efficacement les modes aux bords. Bien que la densité de probabilité a priori diminue pour les grands délais, elle ne suffit pas à contrer l'attraction de la vraisemblance, laissant subsister une probabilité significative pour des délais de l'ordre de 2000 jours.

5. Signification et Implications

Ce travail est crucial pour l'avenir de la cosmologie de précision basée sur les lentilles gravitationnelles :

• Fiabilité de $H_0$ : Il met en garde contre les mesures de $H_0$ basées sur des inférences de délais temporels qui ne respectent pas des critères de convergence stricts. Les biais systématiques vers des $H_0$ plus élevés pourraient fausser la résolution de la « tension de Hubble ».
• Évolution des méthodes : Il souligne que l'augmentation de la quantité de données (avec le LSST par exemple) n'améliore pas automatiquement l'inférence si les algorithmes d'échantillonnage ne sont pas adaptés. Au contraire, une densité de données plus élevée exacerbe le problème de la dérive de la vraisemblance.
• Recommandations : Pour une inférence bayésienne robuste, il est impératif d'utiliser des échantillonneurs globaux avec un nombre de points vivants très élevé, de multiples graines aléatoires et des diagnostics de convergence rigoureux. Les méthodes locales ou les optimiseurs doivent être utilisés avec une extrême prudence.

En conclusion, l'article établit que la difficulté d'inférence des délais temporels n'est pas un défaut de modèle spécifique, mais une conséquence fondamentale de l'extrapolation nécessaire dans un fenêtre d'observation finie, nécessitant une révision des pratiques standards d'analyse de données en astrophysique.