Smokescreen: A Python package for data vector blinding and encryption in cosmological analyses

以下は、arXiv:2604.18111v1 に掲載された論文「Smokescreen: A Python package for data vector blinding and encryption in cosmological analyses」の技術的な要約です。

論文概要

本論文は、宇宙論的解析におけるデータベクトルの隠蔽（ブラインド化）と暗号化を目的としたオープンソースの Python パッケージ「Smokescreen」の紹介と検証を行っています。Vera C. Rubin 観測所の Legacy Survey of Space and Time (LSST) や、Dark Energy Science Collaboration (DESC) のような大規模な宇宙論プロジェクトにおいて、研究者のバイアスを排除し、科学的誠実性を保証するための標準的なツールとして開発されました。

1. 背景と課題 (Problem)

現代の宇宙論解析では、実験者のバイアス（期待値に合わせた結果への無意識の調整）を防ぐため、データ隠蔽（ブラインド化）戦略が不可欠です。しかし、宇宙論的データには以下のような特有の課題があります。

• 単一の宇宙しか観測できない: 二重盲検や単一盲検を設計することが極めて困難です。
• 信号の非局所性: 宇宙論的シグナルは相関関数やパワースペクトルなどの統計的パターンとして広範囲に分布しており、特定の「信号領域」を単純に隠すことができません。
• 既存ツールの不足: 既存のブラインド化手法は、カテゴリーレベル、事後分布レベル、共分散レベルなど多岐にわたりますが、それぞれ実装が困難であったり、データベクトル自体を隠蔽できていなかったり、実験ごとにアドホック（その場限り）な実装がなされており、再利用性や標準化が欠けていました。

Muir et al. (2020) は、信頼できる隠蔽戦略の 3 つの基準を定義しました：

1. 物理的に妥当な事後分布を維持しつつ真の結果を隠すこと。
2. 適合度テストやシステムニュルテストなどの検証を可能にすること。
3. 実装とアンブライディング（隠蔽解除）が容易でありながら、偶発的な解除を防ぐこと。

2. 手法とアーキテクチャ (Methodology)

Smokescreen は、Muir et al. (2020) が提案した「データベクトル空間における宇宙論依存のシフト」アプローチを実装し、以下の 5 段階のプロセスで動作します。

1. シフト分布の定義: 各宇宙論パラメータ $\theta_i$ に対して、シフト量 $\Delta\theta_i$ を決定する分布（決定論的、一様分布、ガウス分布）を指定します。
2. 隠蔽宇宙の構築: 参照宇宙論 $\theta_{ref}$ とシフト量から、隠蔽された宇宙論 $\theta_{blind} = \theta_{ref} + \Delta\theta$ を作成します。
3. 理論ベクトルの計算: Firecrown 確率論ライブラリを用いて、参照宇宙論と隠蔽宇宙論における理論データベクトル $T(\theta, s)$ を計算します。ここで、ノイズパラメータ $s$ は固定されます。
   • $d_{ref} = T(\theta_{ref}, s_{ref})$
   • $d_{blind} = T(\theta_{blind}, s_{ref})$
4. ブラインドファクターの計算: 加法的または乗法的なファクターを計算します。
   • 加法的: $f_{add} = d_{blind} - d_{ref}$
   • 乗法的: $f_{mult} = d_{blind} / d_{ref}$
5. データベクトルへの適用: 観測データベクトル $d_{obs}$ にファクターを適用し、隠蔽されたデータ $\hat{d}$ を生成します。
   • $\hat{d} = d_{obs} + f_{add}$ または $\hat{d} = d_{obs} \cdot f_{mult}$

技術的特徴:

• Firecrown と SACC の統合: Firecrown 確率論ライブラリと SACC (Standard Analysis for Cosmology and Covariance) データ形式を使用することで、隠蔽に用いる理論モデルと推論に用いるモデルが完全に一致することを保証します。
• セキュリティ: 隠蔽処理後、元の真の SACC ファイルは Fernet (AES-128-CBC + HMAC-SHA256) により暗号化され、デフォルトで削除されます。鍵ファイル (.key) と暗号化データ (.encrpt) は分離して管理されます。
• モジュール設計: ConcealDataVector クラスを中核とし、パラメータシフト、理論計算、暗号化、オーケストレーションを分離した設計を採用しています。

3. 主要な貢献 (Key Contributions)

• 標準化されたオープンソースライブラリ: LSST DESC 向けに開発されましたが、Firecrown と SACC を使用する任意の実験に適用可能な汎用ツールです。
• モデルの一貫性保証: 隠蔽と推論に同一の理論モデル（Firecrown）を使用することで、モデルの不一致によるバイアスを排除します。
• 検証可能性と透明性: 隠蔽シフトの計算プロセスを透明化し、コミュニティによる検証を可能にします。
• 堅牢なテストスイート: pytest を使用し、コードカバレッジ 94% を達成。配列の形状チェックだけでなく、物理的な正しさ（シフト計算の正確性、SACC 整合性チェック、パラメータキーの検証など）を検証しています。

4. 結果と検証 (Results)

LSST Y1 (Year 1) の 3×2pt（宇宙せん断、銀河 - 銀河レンズ、銀河クラスタリング）の模擬データを用いて実証されました。

• シミュレーション設定: 5 つのトモグラフィック赤方偏移ビンを用いた 415 個のデータポイントに対して、$A_s$（スカラー振幅）と $w$（状態方程式）を決定論的にシフトさせた 2 つのブラインド実装（Blind A, Blind B）を生成しました。
• 事後分布の検証:
  • 隠蔽されたデータから得られた事後分布は、入力された隠蔽宇宙論の方向にシフトしました。
  • 一方、適合度 ($\chi^2_{red}$) は変化せず、隠蔽が統計的性質を損なっていないことが確認されました。
  • ベイズ的エビデンス ($\log Z$) も変化せず、隠蔽あり・なしの解析が統計的に区別不可能であることを示しました。
• パラメータの相関: 意図的にシフトしなかったパラメータ（$\Omega_{cdm}$）も、既知の $A_s$-$\Omega_{cdm}$-$w$ の相関（デジェネラシー）により微小にシフトし、Muir et al. (2020) の基準 I（パラメータの相関構造を維持する）が満たされていることが確認されました。

5. 意義と影響 (Significance)

• LSST 時代への対応: 10 年にわたる LSST 観測に先立ち、コラボレーション全体で統一されたブラインド化インフラを提供します。これにより、異なる解析チーム間での手法の不一致を解消します。
• コミュニティへの波及: すでに KiDS コラボレーションが次世代の 6×2pt 解析に Smokescreen の採用を検討しており、Firecrown/SACC を使用するあらゆる実験において標準的なツールとなる可能性があります。
• 科学的誠実性の向上: 透明性が高く、再現性のあるブラインド化プロセスを通じて、Stage-IV 宇宙論実験における科学的発見の信頼性を高めます。

本パッケージは GitHub で公開されており、BSD 3-Clause ライセンスの下で利用可能です。