Interpretable Neural Marked Statistics for Cosmological Inference

Résumé Technique : Marques Équivariantes Interprétables pour l'Inférence Cosmologique Contrastive

Énoncé du Problème
Récupérer l'information cosmologique au-delà du spectre de puissance est un objectif central pour les futures relevés de la structure à grande échelle (LSS) (par exemple, SPHEREx, DESI, Euclid). Bien que le spectre de puissance soit optimal pour les champs gaussiens, la densité de matière à un instant tardif présente des signaux non gaussiens que les statistiques à deux points ne peuvent capturer seules. Les approches traditionnelles pour extraire cette information se heurtent à des obstacles importants :

• Corrélateurs d'ordre supérieur : Grimper l'échelle des corrélateurs à $n$ points est coûteux en termes de calcul dans l'espace de configuration, et la théorie des perturbations s'effondre dans le régime non linéaire.
• Inférence au niveau du champ : L'inférence basée sur la simulation et les résumés neuronaux au niveau du champ contournent les statistiques explicites mais sacrifient souvent l'interprétabilité et nécessitent des simulations de haute fidélité.
• Statistiques marquées classiques : Les méthodes existantes repondèrent le champ de densité avec une marque spatiale $M(x)$ pour intégrer les corrélations d'ordre supérieur au niveau de deux points. Cependant, ces marques sont généralement conçues à la main avec des formes fonctionnelles fixes (par exemple, des réponses de densité lissées) ou optimisées uniquement pour une cosmologie fiduciaire unique, ce qui limite leur adaptabilité et leur interprétabilité à travers l'espace des paramètres.

Méthodologie
Les auteurs proposent un cadre qui remplace les marques conçues à la main par un schéma de marquage neuronal appris, agnostique à la cosmologie et interprétable. Le cadre se compose de deux composantes principales :

1. Architecture de Marque Apprise et Interprétable :

   • La marque $M(x)$ est construite comme une réponse scalaire de translation-équivariante dérivée du champ de densité de matière $\delta(x)$.
   • Filtrage par Harmoniques Sphériques : Le champ de densité est décomposé en canaux à l'aide de filtres sensibles aux harmoniques sphériques ($\ell \in \{0, 1, 2\}$) dans l'espace de Fourier. Ces filtres produisent des canaux scalaires invariants par rotation :
     • $\ell=0$ : Une réponse monopole signée ($E_0$).
     • $\ell=1$ : Une réponse de type vecteur avec une amplitude invariante ($E_1$).
     • $\ell=2$ : Deux invariants scalaires dérivés d'un tenseur symétrique traceless ($E_2$ pour la force de l'anisotropie, $I_3$ pour distinguer les formes prolates/oblates).
   • Traitement : Ces canaux invariants sont traités par des perceptrons multicouches (MLP) indépendants et combinés de manière additive avec un terme d'interaction croisée. Le résultat passe par une activation softplus pour garantir la positivité.
   • Initialisation : Le réseau est initialisé de telle sorte que $M(x) \approx 1$, ce qui signifie que l'entraînement commence à partir du champ non marqué. Cela permet à la marque apprise de se décomposer en contributions morphologiques distinctes.

2. Objectif d'Apprentissage Contrastif :

   • Le cadre utilise un objectif d'apprentissage contrastif (InfoNCE) pour aligner les résumés marqués avec les paramètres cosmologiques $\theta$ dans un espace latent partagé.
   • Vecteurs de Résumé : Le résumé inclut le spectre de puissance du champ non marqué ($P_{\delta\delta}$) et du champ marqué ($P_{\Delta\Delta}$), ainsi que le spectre croisé ($P_{\delta\Delta}$) et le coefficient de corrélation.
   • Résidualisation : Pour garantir que la marque apprenne des informations complémentaires plutôt que de simplement reproduire le spectre de puissance, l'encodage du résumé marqué ($z_M$) est résidualisé par rapport à l'encodage non marqué ($z_\delta$) pour produire une composante orthogonale $z_\perp$.
   • Fonction de Perte : La perte aligne $z_\perp$ avec l'encodage des paramètres $z_\theta$ en utilisant une métrique de Mahalanobis apprise, tout en le séparant des candidats négatifs échantillonnés à partir du prior (négatifs réels, synthétiques globaux et synthétiques locaux).
   • Stratégie d'Entraînement : La branche non marquée est pré-entraînée et gelée ; le réseau de marquage et l'encodeur de paramètres sont ensuite affinés à l'aide de la perte contrastive.

Contributions Clés

• Généralisation des Statistiques Marquées : L'article introduit une architecture neuronale qui généralise le concept de statistiques marquées, allant au-delà des formes fonctionnelles fixes vers une transformation apprise qui reste inspectable dans l'espace de configuration.
• Interprétabilité via l'Équivariance : En imposant une équivariance locale SO(3) et en utilisant des filtres d'harmoniques sphériques, le modèle extrait des caractéristiques ayant des significations physiques claires (réponses monopole, dipôle, quadripôle) qui peuvent être directement visualisées et analysées.
• Alignement Contrastif : L'utilisation d'un objectif contrastif avec résidualisation garantit que la marque apprise cible spécifiquement les informations orthogonales au spectre de puissance standard, brisant les dégénérescences que les statistiques traditionnelles ne peuvent traiter.

Résultats
La méthode a été évaluée sur la suite de simulations N-body Quijote ($z=0$) avec 5 paramètres cosmologiques variables ($\Omega_m, \Omega_b, h, n_s, \sigma_8$).

• Contraintes d'Information de Fisher : À $k_{\max} = 0.2 \, h\text{Mpc}^{-1}$, la marque apprise resserre les contraintes marginalisées de 2,9$\times$ pour $\sigma_8$ et de 1,8$\times$ pour $\Omega_m$ par rapport aux marques classiques. Crucialement, elle brise la dégénérescence canonique $\Omega_m - \sigma_8$, faisant pivoter le contour du postérieur conjoint pour permettre une amélioration simultanée sur les deux paramètres.
• Généralisation (MSE) : À travers un ensemble de test en hypercube latin, la marque apprise réduit l'erreur quadratique moyenne (MSE) des paramètres de 1,45$\times$ par rapport à la meilleure marque classique. Elle démontre une généralisation robuste, particulièrement pour $\sigma_8$, bien que les marques classiques restent légèrement plus stables pour $\Omega_m$ dans certaines configurations $(p, \delta_s)$.
• Géométrie Latente : L'analyse en composantes principales (PCA) de l'encodage appris révèle que les deux premières composantes principales s'alignent presque parfaitement avec les directions $\sigma_8$ et $\Omega_m$, confirmant que l'objectif contrastif a réussi à récupérer les axes dominants de l'information cosmologique.
• Introspection : L'analyse de la marque entraînée montre que le canal isotrope ($\ell=0$) domine la réponse, récupérant efficacement une densité repondérée de manière non linéaire, tandis que les canaux anisotropes fournissent des corrections subdominantes aux limites des structures.

Signification
L'article affirme que cette approche ouvre la voie à des statistiques de résumé plus puissantes et interprétables pour l'inférence cosmologique. En remplaçant les transformations conçues à la main par une architecture apprise et physiquement motivée, la méthode comble le fossé entre le pouvoir de contrainte élevé des réseaux de neurones au niveau du champ et l'interprétabilité des statistiques traditionnelles. La capacité d'inspecter la marque apprise dans l'espace de configuration permet aux chercheurs de comprendre quelles caractéristiques morphologiques locales (par exemple, les vides, les filaments, les structures anisotropes) portent le signal cosmologique le plus riche. Les auteurs positionnent cela comme une étape vers des outils d'inférence flexibles capables de réduire les coûts de simulation et d'améliorer le rendement scientifique des relevés de galaxies, avec des extensions potentielles vers d'autres paramètres comme la non-gaussianité primordiale.