Predicting galaxy bias using machine learning

技術要約：機械学習を用いた銀河バイアスの予測

問題提起
銀河がいかにして背後の物質密度場をトレースしているかを理解することは、観測宇宙論および銀河形成モデルにおいて極めて重要である。この関係性は銀河バイアス（$b$）によって定量化される。従来の解析的手法は、多くの場合、集団平均的なバイアス測定（例：パワースペクトルや相関関数経由）に依存しているが、これらの手法は、信号対雑音比の制限や、物質・ハロー・銀河間の接続に内在する確率論的な性質により、ハロー内部特性や環境要因への特定の依存性を分離することに苦慮している。近年の文献では、この関係性の本質的な分散を捉えるための確率論的フレームワークの必要性が強調されている。本研究は、各銀河の個別の線形バイアス（$b_i$）を、そのホストハローの特性、局所環境、および宇宙網（コスミック・ウェブ）における位置に基づいて予測するという課題に取り組むものである。同時に、バイアスパラメータの確率論的な性質を明示的にモデル化する。

手法
本研究では、磁気流体力学シミュレーションであるIllustrisTNG300のデータを使用する。データセットは、ハロー質量 $M_{vir} > 10^{10.5} h^{-1}M_\odot$ および恒星質量 $M_* > 10^{8.75} h^{-1}M_\odot$ を持つ、174,607個のセントラル銀河で構成されている。

• ターゲット変数: 各銀河の個別の広域線形バイアス（$b_i$）は、Paranjapeら(2018)によって導入され、Balaguera-Antolínezら(2024)によって洗練された、オブジェクトごとの推定子形式を用いて算出される。この手法は、大スケール極限（$k \leq 0.2 \, h \, \text{Mpc}^{-1}$）における銀河・物質パワースペクトルと物質・物質パワースペクトルの比に基づき、各銀河に特定のバイアス値を割り当てる。
• 入力特徴量: モデルは、以下の特徴量を含むデータセットを用いて学習される：
  • 内部ハロー特性: ビリアル質量（$M_{vir}$）、形成レッドシフト（$z_{1/2}$）、集中度（$c_{vir}$）、およびスピン（$\lambda_{halo}$）。
  • 銀河特性: 恒星質量（$M_*$）および色（$g-i$）。
  • 局所環境: 3、$5$, $8 \, h^{-1}\text{Mpc}$ のスケールで計算された過密領域（$\delta_3, \delta_5, \delta_8$）。
  • 宇宙網の位置: DisPerSEアルゴリズムによって特定された、臨界点（ボイド、ノード、サドルポイント、フィラメント）への距離。
• 機械学習フレームワーク: 分割されたデータセット（訓練用58%、テスト用30%、検証用12%）に対して、3つの異なるモデルを評価する：
  1. ランダムフォレスト回帰（RF）: 決定論的なアンサンブル学習法。
  2. ニューラルネットワーク（NN）: 決定論的な単一出力ディープラーニングモデル。
  3. ノーマライジング・フロー（NF）: 入力特徴量 $\{x\}_i$ に対する条件付き確率分布 $p(b_i | \{x\}_i)$ を学習するように設計された、確率論的かつ生成的なモデル（具体的にはNeural Spline Flows）。
• 評価指標: パフォーマンスは、ピアソン相関係数（PCC）、コルモゴロフ・スミルノフ（K–S）検定、およびワッサースタイン距離（WD）を用いて評価される。確率論的なNFモデルについては、単一のランダムな実現（realization）と、1,000回の実現の平均の両方について指標を算出する。

主な貢献

1. オブジェクトごとのバイアス統合: 本研究は、バイアスを集団平均ではなく、各銀河の特定の特性として扱うことで、個別のバイアス形式を機械学習パイプラインに組み込むことに成功した。
2. バイアスの確率論的モデリング: 決定論的モデル（RFおよびNN）は真のバイアス分布の幅と裾（テイル）を再現できないのに対し、ノーマライジング・フローは、銀河の他の特性との結合分布および本質的な確率論的性質を正確に捉えることができることを示した。
3. 特徴量の重要度分析: 置換特徴量重要度（PFI）および相関分析を通じて、銀河バイアスに対する環境的特性と内部的特性の相対的な影響力を定量化した。

結果

• 特徴量の依存性: 相関分析により、局所的な過密領域、特に $\delta_8$ が銀河バイアスと最も強く相関していることが明らかになった。これに続き、宇宙網構造への距離、そして程度は低いものの内部ハロー特性が続く。内部特性の中では、形成レッドシフト（$z_{1/2}$）が全サンプルにおいてハロー質量を上回り、最も強い相関を示した。
• モデルの性能:
  • 決定論的モデル: RFおよびNNは高いPCC値（それぞれ0.811および0.797）を達成したが、K-S統計量とワッサースタイン距離が高くなり、これは平均的な傾向は正確に予測できるものの、分布の散らばりや裾を再現できていないことを示している。
  • 確率論的モデル（NF）: 単一のランダムな実現を予測する場合、NFモデルはK-S統計量0.010、WD 0.046を達成し、真の分布形状を再現する上で決定論的モデルを大幅に上回った。単一の実現におけるPCCは（固有の散らばりのため）0.652と低くなるが、モデルは系統的なバイアスなしにグローバルな挙動を正しく捉えている。NFの平均予測は、PCCにおいてRFと同等の性能（0.807）を示すが、分布の幅をモデル化する能力を保持している。
• 結合分布: NFモデルは、バイアス対恒星質量やバイアス対色の結合分布における散らばりを、2次元K-S統計量（それぞれ0.017および0.029）をもって正常に再現した。
• 条件付き分布: NFモデルによる個別の条件付き分布の制約能力は、入力特徴量に大きく依存することが示された。情報量の少ない特徴量（例：ハローのスピン）で条件付けると、グローバルな事前分布に近い広い分布となるが、情報量の多い特徴量（例：$\delta_8$）で条件付けると、厳密に制約されたオブジェクト固有の分布が得られる。

意義
本論文は、そのフレームワークが、ダークエネルギー分光装置（DESI）などの次世代の分光サーベイを用いた、個々の銀河バイアス測定の将来的な取り組みへの基礎を提供するものであると主張している。決定論的なモデルは平均的な傾向を予測するには十分であるが、銀河・ハロー間の結合の完全な確率論的性質を特徴づけるには不十分であることを示すことで、本研究は、より精密な宇宙論的推論のためのより堅牢なツールを提示している。結果は、環境的特性、特に大規模な過密領域が、内部ハロー特性よりも銀河バイアスの予測において支配的であることを示唆している。