cloelike: A Python Library for Cosmological Likelihood Inference in the Euclid Era

Résumé technique de cloelike : une bibliothèque Python pour l'inférence de vraisemblance cosmologique à l'ère Euclid

Énoncé du problème
La mission Euclid de l'ESA vise à sonder l'énergie noire, la matière noire et les perturbations de densité primordiales grâce à des observations photométriques et spectroscopiques de haute précision. Atteindre ces objectifs nécessite des cadres de vraisemblance robustes, validés et reproductibles pour l'inférence statistique. Bien que la communauté cosmologique dispose d'outils d'inférence étendus (par exemple CosmoSIS, Cobaya), les implémentations de vraisemblance publiques existantes souffrent souvent de deux limitations : elles sont fréquemment spécifiques à une sonde, ou elles manquent de modularité et de compatibilité native avec les formats de données requis pour des analyses Euclid entièrement intégrées et de bout en bout. Il existe un besoin d'une interface unifiée et légère dédiée au calcul de la statistique $\chi^2$, capable de s'intégrer de manière transparente à des cadres bayésiens externes tout en adhérant strictement aux normes de données Euclid.

Méthodologie et conception logicielle
cloelike est un package Python conçu pour répondre à ces limitations en fournissant une bibliothèque modulaire et composante pour l'inférence de vraisemblance gaussienne. Son architecture repose sur une séparation stricte des préoccupations :

1. Fonctionnalité de base : Le package se concentre exclusivement sur l'évaluation de la log-vraisemblance gaussienne multivariée standard :
   $$-2 \ln \mathcal{L} = (\mathbf{d} - \mathbf{t})^T \mathbf{C}^{-1} (\mathbf{d} - \mathbf{t}) + b$$
   où $\mathbf{d}$ est le vecteur de données, $\mathbf{t}$ la prédiction théorique, $\mathbf{C}$ la matrice de covariance, et $b$ un biais additif. Il ne réalise ni l'échantillonnage des paramètres ni la gestion des modèles, déléguant ces tâches à des moteurs externes (par exemple Cobaya, CosmoSIS, Nautilus).

2. Architecture modulaire :

   • Classes de base : Pour les sondes photométriques, une classe de base partagée gère l'ingestion des vecteurs de données, le masquage, les coupes d'échelle, le chargement des covariances, la gestion des matrices de précision et les vérifications de cohérence.
   • Mixins : Les calculs d'observables théoriques sont délégués à des mixins indépendants et spécifiques à la sonde (par exemple spectres de puissance angulaires en espace harmonique, fonctions de corrélation en espace de configuration, COSEBIs). Cette conception évite la duplication de code et permet d'ajouter de nouveaux observables en implémentant uniquement le module de prédiction théorique.
   • Intégration basée sur les protocoles : cloelike interagit directement avec la bibliothèque de prédiction théorique cloelib en utilisant des protocoles Python. Cela garantit que les définitions de vraisemblance et les calculs théoriques restent découplés, permettant à cloelike de bénéficier immédiatement des mises à jour dans la modélisation non linéaire (par exemple biais de galaxie, distorsions de l'espace des redshifts) au sein de cloelib.

3. Compatibilité des données : La bibliothèque opère sur des vecteurs de données, des matrices de covariance et des prédictions théoriques structurés dans le format de données euclidlib. Elle prend en charge :

   • Sondes photométriques : Spectres de puissance angulaires harmoniques et fonctions de corrélation à deux points en espace réel pour le lentillage faible (WL), l'amas de galaxies photométrique (GCph) et le lentillage galaxie-galaxie (GGL) dans toutes les combinaisons conjointes (3$\times$2pt, 2$\times$2pt).
   • Sondes spectroscopiques : Multipôles de spectres de puissance en forme complète et oscillations acoustiques baryoniques (BAO).

Contributions clés

• Interface unifiée : cloelike fournit une interface Python minimale et unifiée pour le calcul des statistiques $\chi^2$ sur toutes les sondes Euclid principales, prenant en charge à la fois les données photométriques et spectroscopiques.
• Composabilité : Le cadre permet aux utilisateurs de construire des vraisemblances conjointes (par exemple en combinant WL et GCph) en assemblant des conteneurs de données, des représentations de covariance et des fournisseurs d'observables sans modifier l'infrastructure sous-jacente.
• Performance et évolutivité : L'implémentation utilise des opérations vectorisées, la mise en cache de quantités intermédiaires (telles que la matrice de covariance inverse) et est compatible avec des codes d'échantillonnage parallèles pour assurer l'efficacité dans les espaces de paramètres de haute dimension.
• Adoption par la communauté : Le logiciel est activement utilisé au sein du Consortium Euclid comme implémentation de référence de vraisemblance, servant d'évolution naturelle du logiciel CLOE précédent.

Résultats et utilisation
L'article démontre l'utilité de la bibliothèque à travers des exemples d'utilisation pour deux vraisemblances représentatives :

1. Vraisemblance photométrique harmonique : Un exemple illustre l'initialisation et l'évaluation d'une log-vraisemblance pour les spectres de puissance angulaire du cisaillement cosmique, détaillant la construction de dictionnaires de données, les paramètres de coupes d'échelle et l'instanciation de la vraisemblance avec des classes de fond et de perturbation spécifiques de cloelib.
2. Vraisemblance spectroscopique en forme complète : Un exemple démontre le calcul d'une log-vraisemblance pour les spectres de puissance en forme complète de l'amas de galaxies spectroscopique, incluant la gestion des multipôles ($P_0, P_2, P_4$), l'extraction de la cosmologie fiduciale, le redimensionnement des unités et la définition des paramètres de nuisance (par exemple biais de galaxie, paramètres EFT) à travers les bins de redshift.

Signification
Les auteurs affirment que cloelike abaisse la barrière pour que la communauté puisse reproduire les résultats officiels d'Euclid tout en permettant une exploration flexible de nouveaux systèmes et de modèles cosmologiques étendus. En agissant comme une couche de vraisemblance dédiée et validée qui complète les cadres d'inférence de bout en bout existants, elle assure l'interopérabilité sans dupliquer les fonctionnalités. Sa conception modulaire facilite l'inclusion d'observables novateurs (tels que les corrélations croisées avec le fond diffus cosmologique) et soutient les analyses multi-sondes cohérentes nécessaires pour extraire tout le potentiel scientifique des données de l'enquête Euclid. Le package est publié ouvertement sous la licence MIT pour soutenir la validation et la reproductibilité par la communauté.