Gaussian processes on ray-guided transformed uniform grids for fast, flexible, and auto-differentiable adaptive source reconstruction in lens modelling

技術要約：レイ誘導型変換一様格子（RTUグリッド）上のガウス過程

問題提起
強重力レンズ（SGL）は、宇宙論やダークマター分布を制約するための重要なツールであるが、そのロバストな推論は、正確なソース再構成に大きく依存している。SGLにおける根本的な課題は、ソース平面における情報の非一様性である。例えば、複数の像（4重像など）を生み出す領域は、より少ない像を生み出す領域よりもサンプリング率が高く、拡大率も連続的に変化する。DelaunayテセレーションやVoronoiビニングといった従来の適応型メッシュ手法は、これに対処するために必要な場所に解像度を配置しようと試みる。しかし、これらの手法はしばしば不連続な操作（例：質量モデルの変化に伴うメッシュエッジの頂点入れ替え）に依存しており、これが現代の推論フレームワークに必要な微分可能性を損なったり、正則化の選択肢を制限したりすることがある。対照的に、標準的なガウス過程（GP）事前分布は柔軟な正則化を提供するが、計算効率のために高速フーリエ変換（FFT）を利用するには一様格子を必要とするため、適応性と微分可能性の間に緊張関係が生じる。

手法
著者らは、レイ誘導型変換一様（RTU）グリッドを用いた新しいソース再構成手法を提案している。この手法は、FFTベースのGPが持つ一様格子上の計算効率と、レンズデータが必要とする適応的な解像度を組み合わせることを目的としている。

1. RTUグリッドの構築:

   • ソースは、変換された座標空間 $\mathbf{y} = \mathbf{g}(\mathbf{x})$ における一様格子上でモデル化される。
   • 変換 $\mathbf{g}$ は、画像平面からソース平面へと遡るレイ（光線）の経験累積分布関数（eCDF）から導出される。
   • 具体的には、著者らはレイの位置を各座標軸上に投影し、それらをソートして1次元のeCDFを形成し、これらの分布に対して3次スプラインを適合させる。これにより、変換は少なくとも2回連続微分可能であることが保証される。
   • eCDFは、信号対雑音比（S/N比）の閾値によって定義されたアークマスク内に存在するレイのみを使用して構築されるため、観測されている領域にのみ解像度が割り当てられる。
   • この変換は、新しい $\mathbf{y}$ 座標においてレイ密度がほぼ一様になるように、ソース平面の座標を効果的に引き伸ばす。

2. ソースモデリング:

   • ソースの輝度は、この変換された一様格子上のガウス過程として定義される。
   • GPは、フーリエ空間でホワイトノイズを生成し、平方根（具体的には柔軟なMatérnパワースペクトル）を乗じ、逆FFTを適用することによって実現される。
   • 正値性はソフトプラス関数によって強制され、最終的なソース輝度は、より鋭い特徴を許容するためにべき乗則によってスケーリングされる。
   • 物理的なソース平面へのマッピングは、$s_{source}(\mathbf{x}) = s^*_{source}(\mathbf{g}(\mathbf{x}))$ によって行われる。

3. 推論フレームワーク:

   • この手法は、JAXで書かれた自動微分可能なフォワードモデリングフレームワークである Herculens 内に実装されている。
   • 推論は、Evidence Lower Bound（ELBO）を最適化する、Numpyroを用いた確率的変分推論（SVI）を用いて行われる。
   • この手法は、正則化のための任意のパワースペクトルの選択をサポートしており、FFTの速度を活用しながらGPの柔軟性を維持している。

主な貢献

• 微分可能な適応性: RTUグリッドは、Delaunay/Voronoiメッシュの不連続性の問題を克服しつつ、FFTベースのGPの速度を保持した、連続微分可能な適応解像スキームを提供する。
• 効率の経験則: 著者らは、レイ密度に基づくソースピクセル数（$N_{src}$）を選択するためのヒューリスティックを提案しており、バイリニア補間における自由度に合わせるために、1ピクセルあたり約4本のレイを割り当てることを示唆している。
• 実装: この手法はHerculensフレームワークに完全に統合されており、最新のサンプリングアルゴリズムや自動微分ワークフローとの互換性を備えている。

結果
著者らは、3つの模擬データセット（JWST NIRCAM品質をシミュレートしたもの）および実データであるレンズ系SDSS J0946+1006に対してRTUグリッドをテストした。

• 適合精度とピクセル効率: RTUグリッドは、一様格子と同等の画像平面適合精度（$\chi^2_{img}$）を達成する一方で、次元あたりのピクセル数を約**半分（1辺あたり約2倍、総ピクセル数では約4分の1）**少なくする必要がある。
• ELBOの性能: 同じピクセル数において、RTUグリッドは一様格子と比較して一般に高いEvidence Lower Bound（ELBO）を示しており、これは変分近似の下でデータへの適合が良いことを示している。
• サブストラクチャへの感度: RTUグリッドの使用は、サブストラクチャの有無によるELBOの差にわずかな影響しか与えない。この手法は、グリッドのアーティファクトによってサブストラクチャへの選好を人工的に膨らませることなく、サブストラクチャの有無（例：Mock 1およびSDSS J0946+1006において）を正常に識別できる。
• ソース再構成の正確性: 基礎となる質量モデルが正確な場合、RTUグリッドは一様格子のアプローチよりも少ないピクセル数で、より正確なソース再構成（より低い $\Delta^2_{src}$）を行う。

意義と主張
本論文は、RTUグリッド法が、リアリズム、柔軟性、自動微分可能性、および計算効率の間のトレードオフを解決することを主張している。ソースピクセルに含まれるレイの数をより均一にすることで、この手法は大幅に削減された計算コストで高忠実度のソース再構成を可能にする。著者らは、このアプローチが、Euclidサーベイのような大規模なレンズ系の解析において特に有益であり、宇宙論的およびダークマターの制約におけるバイアスを最小限に抑えるために、堅牢で柔軟なソースモデリングが重要となることを強調している。この手法は、既存の適応型メッシュ技術に対する実用的な改善策として提示されており、サブストラクチャの検出能力を損なうことなく、高速で柔軟かつ自動微分可能な代替案を提供している。