A Novel Lensed Point Source Modeling Pipeline using GIGA-Lens with Application to SN Zwicky and SN iPTF16geu

기술 요약: GIGA-Lens를 이용한 새로운 렌즈 점원(Point Source) 모델링 파이프라인

문제 정의
본 논문은 초기 우주와 후기 우주의 허블 상수($H_0$) 측정치 사이의 상당한 불일치(~5σ)인 "허블 텐션(Hubble tension)" 문제를 다룹니다. 강한 중력 렌즈 효과를 보이는 시변 이벤트(퀘이사 및 초신성)는 시차(time-delay) 측정을 통해 이 텐션을 해결할 수 있는 경로를 제공하지만, 렌즈 초신성(SNe)은 매우 희귀합니다. 점원(point source) 모델링에 대한 기존 방식들은 다음과 같은 구체적인 문제에 직면해 있습니다:

1. 픽셀 기반 방법의 적용 불가능성: (확장된 광원을 위한) GIGA-Lens와 같은 전통적인 렌즈 모델링은 관측된 이미지와 모델링된 이미지 사이의 픽셀 단위 차이를 최소화하는 데 의존합니다. 이는 점원의 경우, 최적화 시작 단계에서 포워드 모델링된 이미지 위치가 관측된 위치와 겹치지 않을 때 발생하며, 이로 인해 그래디언트가 0이 되어 최적화에 유용한 정보를 제공하지 못하게 됩니다.
2. 손실 함수(Loss Function)의 편향: 이미지 위치만을 사용하는 이전의 시도들은 거리 지표를 최소화하기 위해 물리적 제약을 위반하는 비물리적인 파라미터 영역(예: 질량 기울기 $\gamma \sim 1$)으로 샘플러를 유도하는 경면이 있습니다.
3. 데이터 부족: 많은 렌즈 초신성들이 확장된 호스트 은하의 빛을 감지할 수 없으므로, 확장 광원 모델링 기술을 사용할 수 없습니다.
4. 계통적 불확실성: 질량-시트 축퇴(Mass-sheet degeneracy, MSD) 문제와 정밀한 $H_0$ 제약을 위해 모든 파라미터를 동시에 추론하는 전체 포워드 모델링(full forward modeling)의 필요성은 여전히 중요한 장애물로 남아 있습니다.

방법론
저자들은 네 대의 A100 GPU에서 실행되는 JAX 플랫폼을 활용하여 GIGA-Lens 프레임워크를 기반으로 한 새로운 모델링 파이프라인을 소개합니다. 핵심 혁신은 확장된 호스트 은하 데이터 없이도 점원의 중심 위치, 관측된 플럭스(또는 배율), 그리고 시차만을 사용하는 점원 전용 미분 가능 손실 함수입니다.

우도 함수(Likelihood function) $\log \mathcal{L}$은 경험적으로 결정된 상대적 가중치($\omega_D, \omega_F, \omega_{TD}$)를 가진 세 가지 항을 결합합니다:

1. 광원 평면 압축성 ($\mathcal{L}_D$): 픽셀 비교 대신, 이 파이프라인은 각 관측된 이미지 위치를 렌즈 모델 파라미터를 사용하여 광원 평면으로 "역렌즈(delens)" 합니다. 손실 함수는 역렌즈된 위치들과 그 평균 사이의 제곱 거리를 최소화하여, 모든 이미지가 단일 점원에서 기원하도록 강제합니다.
2. 플럭스/배율 ($\mathcal{L}_F$): 질량 기울기를 제한하고 축퇴를 해소하기 위해, 파이프라인은 관측된 역제곱 배율을 모델링합니다. 주요 기술적 기여는 미분 불가능한 배율 함수(임계 곡선 근처에서 특이점을 갖는 함수)를 매끄럽고 미분 가능한 성분으로 분해하는 것입니다. 이를 통해 **자동 미분(Automatic Differentiation, AD)**을 사용하여 배율과 그 도함수를 계산할 수 있으며, 이는 유한 차분 근사법을 피하고 계산 속도를 20~40% 향상시킵니다.
3. 시차 ($\mathcal{L}_{TD}$): 파이프라인은 페르마 포텐셜(Fermat potentials)의 차이를 최소화함으로써 시차를 포함합니다 ($H_0$를 자유 파라미터로 취급).

기술적 구현 세부 사항:

• 미분 가능성 및 바이재터(Bijectors): 파라미터 경계(예: 질량 기울기 $\gamma > 1.5$ 제한)를 처리할 때 수치적 불안정성을 도입하지 않기 위해, 저자들은 제약되지 않은 파라미터 공간을 제약된 물리적 공간으로 매핑하는 바이재터를 사용합니다.
• 가중치 체계: 저자들은 손실 항 간의 상대적 가중치가 관측 불확실성에 의해서만 설정될 수 없음을 보여줍니다. 이들은 해밀토니안 몬테카를로(HMC) 샘플링 중에 포스터리어(posterior) 구성 요소들이 동등하게 기여하도록 하여 비물리적 솔루션으로의 편향을 방지하기 위해, 가중치를 높이는(예: 플럭스의 경우) 경험적 가중치 체계를 채택했습니다.
• 샘플링: 파이프라인은 세 단계 최적화를 사용합니다: 최대 사후 확률(MAP)을 위한 멀티 스타트 경사 하강법, 가우시안 대리 모델(Gaussian surrogate)을 위한 확률적 변분 추론(SVI), 그리고 전체 포서리어 샘플링을 위한 HMC입니다.

주요 결과

• 시뮬레이션 시스템: 파이프라인은 다섯 가지 전형적인 렌즈 구성(cross, long-cusp, short-cusp, fold, double)에 대해 테스트되었습니다.

  • 이미지 위치, 플럭스, 시차를 성공적으로 회복했습니다.
  • 점원 데이터만을 사용하여 질량 기울기 $\gamma$를 제한했습니다.
  • $H_0$를 자유 파라미터로 둔 시뮬레이션 시스템의 경우, 충분히 큰 아인슈타인 반지름($\theta_E \gtrsim 1''$)을 가진 단일 시스템으로부터 전체 포워드 모델링을 통해 $\sim 3.6\%$ ($\sim 2.5$ km s$^{-1}$ Mpc$^{-1}$)의 통계적 불확실성으로 $H_0$를 제약했습니다.
  • 대부분의 시스템에서 수렴 지표($\hat{R} < 1.01$ 및 ESS $\gtrsim 10^3$)를 달성했으며, 네 대의 A100 GPU에서 모델링 시간은 몇 분에서 약 23분 사이였습니다.

• SN iPTF16geu 적용:

  • 파이프라인은 확장된 호스트 은하를 무시하고 네 개의 렌즈 초신성 이미지(위치 및 배율)만을 사용하여 시스템을 모델링했습니다.
  • 추론된 질량 기울기($\gamma \approx 1.92$) 및 기타 파라미터는 속도 분산 및 호스트 은하 데이터를 활용한 이전 연구들(예: Mörtsell et al. 2020)과 $1\sigma$ 내에서 일치했습니다.
  • 결과는 매끄러운 렌즈 모델만으로는 플럭스 이상(flux anomalies)을 설명할 수 없음을 확인시켜 주었으며, 이는 마이크로렌징 가설을 뒷받침합니다.

• SN Zwicky 적용:

  • 파이프라인은 이전 연구들(Goobar et al. 2023; Pierel et al. 2023)과 비교하여 **대안적인 최적 적합 모델(alternative best-fit model)**을 생성했습니다.
  • 이전 모델들은 낮은 타원율을 제안하고 이미지가 임계 곡선에 대해 대칭적이라고 보았는데, 이는 관측된 밝기 비대칭(이미지 A와 C가 B와 D보다 훨씬 밝음)을 설명하지 못했습니다.
  • 본 모델은 더 높은 타원율($q \approx 0.38$)과 질량 기울기 $\gamma \approx 2.11$을 추론했습니다. 이 기하학적 구조는 이미지 A와 C를 임계 곡선 위에 직접 배치하여 밝기를 설명하는 한편, B와 D는 임계 곡선에서 더 멀리 떨어지게 합니다.
  • 이 모델은 관측된 위치, 플럭스, 그리고 수정된 시차 순서(이미지 A가 먼저 도착함)를 성공적으로 예측했으며, 이는 최근의 정밀한 측정값(Larison et al. 2024)과 일치합니다.

의의 및 주장
본 논문의 주장은 다음과 같습니다:

1. 점원 데이터의 충분성: 확장된 호스트 은하 정보 없이도 점원 데이터(위치, 플럭스, 시차)만으로 질량 밀도 기울기 $\gamma$를 포함한 복잡한 렌즈 질량 분포를 추론하는 것이 가능하다.
2. 전체 포워드 모델링: 시스템의 아인슈타인 반지름이 충분히 크다면($\theta_E \gtrsim 1''$), 단일 시스템으로부터 모든 렌즈 파라미터와 $H_0$를 동시에 추론하는 것이 가능하며, 이는 정밀한 제약(3.6% 불확실성)을 제공한다.
3. 특이점에 대한 견고성: 분해 기반 접근 방식은 임계 곡선 근처의 이미지를 모델링할 때 발생하는 문제를 해결하여, 기존 방법들이 실패하거나 수동 개입이 필요했던 영역에서도 견고한 모델링을 가능하게 한다.
4. 파라미터 공간 탐색: SN Zwicky 사례 연구는 파라미터 공간을 완전히 탐색하는 것의 중요성을 강조한다. 저자들의 모델은 이미지 대칭성과 밝기 비대칭 사이의 모순을 해결하는 물리적으로 타당한 구성을 밝혀냈으며, 이는 이전 모델들이 놓쳤던 부분이다.
5. 효율성: JAX와 GPU 가속의 사용은 통계적으로 엄격한 모델링(엄격한 수렴 기준 $\hat{R} < 1.01$ 달성)을 몇 분 만에 수행할 수 있게 하여, 급증하는 렌즈 초신성 발견에 대응할 수 있는 실용적인 도구를 제공한다.

저자들은 현재 초점이 SN Ia에 맞춰져 있지만, 이 프레임워크는 플럭스 비를 통해 퀘이사나 비-Ia 초신성으로 쉽게 확장될 수 있으며, 더욱 강력한 우주론적 제약을 위해 호스트 은하 모델링과 결합될 수 있다고 결론짓습니다.