Predicting galaxy bias using machine learning

Sintesi Tecnica: Predizione del Bias Galattico tramite Machine Learning

Definizione del Problema
Comprendere come le galassie traccino il sottostante campo di densità della materia è fondamentale per la cosmologia osservativa e i modelli di formazione delle galassie. Questa connessione è quantificata dal bias galattico ($b$). Sebbene gli approcci analitici tradizionali si affidino spesso a misurazioni del bias mediate sulla popolazione (ad esempio, tramite spettri di potenza o funzioni di correlazione), questi metodi faticano a separare le specifiche dipendenze dalle proprietà interne degli aloni e dai fattori ambientali a causa dei limiti nel rapporto segnale-rumore e della natura intrinsecamente stocastica della connessione materia-alone-galassia. La letteratura recente sottolinea la necessità di framework probabilistici per catturare la varianza intrinseca in questa relazione. Questo lavoro affronta la sfida di predire il bias lineare individuale ($b_i$) delle galassie basandosi sulle proprietà dell'alone ospite, l'ambiente locale e la posizione nella rete cosmica (cosmic web), modellando esplicitamente la natura stocastica del parametro di bias.

Metodologia
Lo studio utilizza i dati della simulazione magnetoidrodinamica IllustrisTNG300. Il dataset comprende 174.607 galassie centrali selezionate con masse dell'alone $M_{vir} > 10^{10.5} h^{-1}M_\odot$ e masse stellari $M_* > 10^{8.75} h^{-1}M_\odot$.

• Variabile Target: Il bias lineare individuale su larga scala ($b_i$) per ogni galassia è calcolato utilizzando il formalismo dell'estimatore oggetto-per-oggetto introdotto da Paranjape et al. (2018) e perfezionato da Balaguera-Antolínez et al. (2024). Questo metodo assegna un valore di bias specifico a ciascuna galassia basandosi sul rapporto tra gli spettri di potenza galassia-materia e materia-materia nel limite di grandi scale ($k \leq 0.2 \, h \, \text{Mpc}^{-1}$).
• Caratteristiche di Input (Features): I modelli sono addestrati su un insieme di caratteristiche che includono:
  • Proprietà Interne dell'Alone: Massa viriale ($M_{vir}$), redshift di formazione ($z_{1/2}$), concentrazione ($c_{vir}$) e spin ($\lambda_{halo}$).
  • Proprietà della Galassia: Massa stellare ($M_*$) e colore ($g-i$).
  • Ambiente Locale: Sovradensità ($\delta_3, \delta_5, \delta_8$) calcolate su scale di 3, 5 e $8 \, h^{-1}\text{Mpc}$.
  • Posizione nella Rete Cosmica: Distanze dai punti critici (vuoti, nodi, punti di sella e filamenti) identificati tramite l'algoritmo DisPerSE.
• Framework di Machine Learning: Tre distinti modelli vengono valutati su un dataset diviso (58% training, 30% test, 12% validazione):
  1. Random Forest Regressor (RF): Un metodo d'insieme deterministico.
  2. Neural Network (NN): Un modello di deep learning deterministico a singolo output.
  3. Normalizing Flows (NF): Un modello generativo probabilistico (nello specifico, Neural Spline Flows) progettato per apprendere la distribuzione di probabilità condizionata $p(b_i | \{x\}_i)$, dove $\{x\}_i$ rappresenta le caratteristiche di input.
• Metriche di Valutazione: Le prestazioni sono valutate utilizzando il Coefficiente di Correlazione di Pearson (PCC), il test di Kolmogorov–Smirnov (K–S) e la Distanza di Wasserstein (WD). Per il modello probabilistico NF, le metriche sono calcolate sia per una singola realizzazione casuale che per la media di 1.000 realizzazioni.

Contributi Chiave

1. Integrazione del Bias Oggetto-per-Oggetto: Il lavoro integra con successo il formalismo del bias individuale in una pipeline di machine learning, trattando $b_i$ come una proprietà specifica di ogni galassia piuttosto che come una media della popolazione.
2. Modellazione Probabilistica del Bias: Lo studio dimostra che i modelli deterministici (RF e NN) non riescono a riprodurre l'intera ampiezza e le code della distribuzione del bias, mentre i Normalizing Flows possono catturare accuratamente la stocasticità intrinseca e le distribuzioni congiunte del bias con altre proprietà galattiche.
3. Analisi dell'Importanza delle Caratteristiche: Attraverso la Permutation Feature Importance (PFI) e l'analisi di correlazione, il lavoro quantifica l'influenza relativa delle proprietà ambientali rispetto a quelle interne sulla galassia bias.

Risultati

• Dipendenze dalle Caratteristiche: L'analisi di correlazione rivela che le sovradensità locali, in particolare $\delta_8$, sono le caratteristiche più fortemente correlate con il bias galattico. Seguono le distanze dalle strutture della rete cosmica e, in misura minore, le proprietà interne dell'alone. Tra le proprietà interne, il redshift di formazione ($z_{1/2}$) mostra la correlazione più forte, superando la massa dell'alone nel campione completo.
• Prestazioni dei Modelli:
  • Modelli Deterministici: RF e NN raggiungono valori di PCC elevati (0.811 e 0.797, rispettivamente), ma presentano statistiche del test K-S e distanze di Wasserstein elevate, indicando che predicono accuratamente il trend medio ma falliscono nel riprodurre la dispersione e le code della distribuzione.
  • Modello Probabilistico (NF): Predicendo una singola realizzazione casuale, il modello NF raggiunge una statistica K-S di 0.010 e una WD di 0.046, superando significativamente i modelli deterministici nel riprodurre la forma della distribuzione reale. Sebbene il PCC per una singola realizzazione sia inferiore (0.652) a causa della dispersione intrinseca, il modello cattura correttamente il comportamento globale senza bias sistematici. La previsione media dell'NF è comparabile alla RF in termini di PCC (0.807), ma mantiene la capacità di modellare l'ampiezza della distribuzione.
• Distribuzioni Congiunte: Il modello NF riproduce con successo la dispersione nelle distribuzioni congiunte, come il bias rispetto alla massa stellare e il bias rispetto al colore, con statistiche K-S 2D di 0.017 e 0.029, rispettivamente.
• Distribuzioni Condizionate: Lo studio mostra che la capacità del modello NF di vincolare le distribuzioni di probabilità individuali dipende fortemente dalle caratteristiche di input. Condizionare su caratteristiche a bassa informazione (ad esempio, lo spin dell'alone) produce distribuzioni ampie simili al prior globale, mentre condizionare su caratteristiche ad alta informazione (ad esempio, $\delta_8$) produce distribuzioni strettamente vincolate e specifiche per l'oggetto.

Significatività
Il paper afferma che il suo framework fornisce una base per i futi sforzi di misurazione del bias galattico individuale utilizzando le imminenti survey spettroscopiche, come il Dark Energy Spectroscopic Instrument (DESI). Dimostrando che i metodi probabilistici come i Normalizing Flows sono necessari per catturare la varianza intrinseca del bias galattico, il lavoro offre uno strumento più robusto per l'inferenza cosmologica. I risultati suggeriscono che, sebbene i modelli deterministici siano sufficienti per predire i trend medi, essi sono inadeguati per caratterizzare la piena natura stocastica della connessione galassia-alone, che è critica per la cosmologia di precisione. Lo studio evidenzia inoltre che le proprietà ambientali, specificamente le sovradensità su larga scala, dominano la predizione del bias galattico rispetto alle proprietà interne dell'alone.