Inverting Fisher biases for fast systematics exploration

Titolo: Inversione dei bias di Fisher per l'esplorazione rapida dei sistematici

Autori: Biancamaria Sersante, Christos Georgiou, Nora Elisa Chisari
Istituzioni: Leiden Observatory, IFAE (Barcellona), Utrecht University.

1. Il Problema

Le prossime indagini cosmologiche di "Stage-IV" (come LSST e Euclid) mirano a raggiungere una precisione sub-percentuale nella stima dei parametri cosmologici. Tuttavia, per garantire la robustezza di queste analisi, è fondamentale controllare gli effetti sistematici (strumentali o astrofisici) che possono spostare i parametri migliori (best-fit) dai loro valori fiduciali, creando tensioni apparenti tra diversi set di dati o esperimenti.

Attualmente, quando emerge una tensione tra i dati, la procedura standard richiede l'esecuzione di costosi algoritmi di campionamento della verosimiglianza (likelihood sampling) per verificare se un effetto sistematico non modellato possa spiegare la discrepanza. Questo processo è computazionalmente oneroso e lento, specialmente durante le fasi di "blind" (cecità) delle indagini, dove è necessario esplorare rapidamente lo spazio dei parametri sistematici senza sbloccare i dati finali.

2. Metodologia

Il paper introduce una nuova applicazione del formalismo della Matrice di Fisher, invertendo il processo tradizionale di stima del bias.

• Concetto Base: Tradizionalmente, la matrice di Fisher viene utilizzata per prevedere quanto un effetto sistematico noto ($\psi$) sposti i parametri cosmologici ($\theta$). Gli autori inverte questa relazione: data una tensione osservata nei parametri cosmologici ($\Delta\theta$), si calcola quale valore del parametro sistematico ($\Delta\psi$) sarebbe necessario per spiegare tale spostamento.
• Derivazione Matematica:
  • Si considera un modello base $M_1$ (senza sistematici o con sistematici fissati) e un modello esteso $M_2$ (che include il parametro sistematico $\psi$).
  • Assumendo che gli spostamenti siano piccoli e che la verosimiglianza sia approssimabile come Gaussiana (espansione di Taylor al primo ordine), si deriva una relazione lineare tra lo spostamento dei parametri cosmologici e quello dei parametri sistematici.
  • L'equazione fondamentale invertita è:
    $$F_{\theta\psi} \Delta\psi = -F_{\theta\theta} \Delta\theta$$
    Dove $F_{\theta\theta}$ è la matrice di Fisher dei parametri cosmologici, $F_{\theta\psi}$ è la matrice di Fisher mista (cosmologia-sistematici) e $\Delta\theta$ è la tensione osservata.
  • Questo permette di risolvere per $\Delta\psi$ in modo analitico e istantaneo, senza dover rieseguire il campionamento della verosimiglianza.
• Generalizzazione: Il metodo è generalizzato per gestire $m$ parametri cosmologici e $n$ parametri sistematici. È applicabile quando $m \geq n$ (sistema determinato o sovradeterminato).

3. Contributi Chiave

1. Inversione del Formalismo di Fisher: Trasformazione di uno strumento di previsione degli errori in uno strumento diagnostico per identificare la causa di tensioni tra esperimenti.
2. Riduzione dei Costi Computazionali: Il metodo permette di esplorare lo spazio dei parametri sistematici in modo quasi istantaneo, evitando l'esecuzione di algoritmi di campionamento (come MCMC o Nested Sampling) che richiederebbero giorni o settimane.
3. Indipendenza dal Modello: L'approccio è agnostico rispetto alla natura specifica dell'effetto sistematico, purché possa essere parametrizzato e il modello sia "annidato" (nested) rispetto al modello fiduciale.
4. Validazione su Casi Reali: Dimostrazione pratica su due dei sistematici più critici per il lensing debole: le Allineamenti Intrinseci (IA) e il Feedback Barionico.

4. Risultati e Dimostrazioni

Gli autori hanno testato la metodologia utilizzando dati sintetici (mock data) basati su un'indagine simile a 1 anno di osservazioni di LSST, analizzando le spettro di potenza angolare.

• Caso 1: Allineamenti Intrinseci (IA)

  • Scenario: Generazione di dati con un'amplitude di allineamento intrinseco fiduciale ($A_{IA} = 0.05$) e analisi con un modello che ignora l'IA ($A_{IA} = 0$).
  • Risultato: Il metodo di Fisher invertito ha previsto correttamente il valore di $A_{IA}$ necessario a spiegare lo spostamento nei parametri cosmologici ($\Omega_m, A_s, w_0$). La previsione analitica coincideva perfettamente con i risultati ottenuti tramite il campionatore Nautilus (nested sampler), confermando l'accuratezza del metodo per sistematici lineari e piccoli bias.

• Caso 2: Feedback Barionico

  • Scenario: I dati sono generati con un feedback AGN forte ($\log(T_{AGN}) = 8.0$), ma il modello di analisi assume un feedback più debole ($\log(T_{AGN}) = 7.7$). Questo è un caso non lineare.
  • Risultato: Nonostante la non linearità e lo spostamento significativo (fuori dal 1$\sigma$), il formalismo di Fisher invertito ha fornito una previsione robusta della direzione e dell'entità dello spostamento necessario in $\log(T_{AGN})$ per risolvere la tensione. I risultati analitici sono rimasti coerenti con il campionamento completo, dimostrando che il metodo è utile anche al di fuori del regime strettamente lineare, fungendo da indicatore affidabile.

5. Significato e Implicazioni

• Fase di Blind: La metodologia è particolarmente preziosa durante le fasi di "blind" delle indagini cosmologiche. Permette ai ricercatori di valutare rapidamente se una tensione osservata potrebbe essere spiegata da errori di modellazione sistematica, guidando le priorità di modellazione prima di sbloccare i dati.
• Efficienza: Sostituisce l'approccio "brute-force" (riavviare costosi sampler per ogni possibile sistematico) con un calcolo analitico rapido.
• Limiti e Validità:
  • Il metodo è matematicamente rigoroso per piccoli bias e likelihood lineari.
  • Per bias grandi o likelihood non lineari, l'accuratezza quantitativa diminuisce, ma il metodo rimane valido per determinare la direzione e l'ordine di grandezza del bias, permettendo di escludere sistematici implausibili.
  • Richiede che il numero di parametri cosmologici sia maggiore o uguale al numero di parametri sistematici non modellati ($m \geq n$).

In conclusione, il paper propone un potente strumento diagnostico che accelera l'esplorazione delle sistematiche, cruciale per garantire l'affidabilità delle future scoperte cosmologiche di precisione.