Comparative Analysis of EMCEE, Gaussian Process, and Masked Autoregressive Flow in Constraining the Hubble Constant Using Cosmic Chronometers Dataset

Probleemstelling

De Hubble-constante ($H_0$) is fundamenteel voor het begrijpen van de evolutie van het universum. Er bestaat momenteel een significante discrepantie, bekend als de "Hubble-spanning" (Hubble tension), tussen metingen van de kosmische microgolfachtergrondstraling (CMB, Planck-missie: $H_0 \approx 67.4$) en lokale metingen met Cepheïden en Type Ia supernova's (Riess et al.: $H_0 \approx 73.0$). Deze spanning bedraagt ongeveer $5\sigma$.

Een alternatieve aanpak om $H_0$ te bepalen is het gebruik van de Hubble-parameter $H(z)$ gemeten via "Cosmic Chronometers" (CC). Deze methode is modelonafhankelijk en levert directe metingen van de uitdijingssnelheid op verschillende roodverplaatsingen. Echter, verschillende statistische methoden om $H_0$ uit dezelfde CC-dataset te construeren (zoals EMCEE, Gaussian Process en Masked Autoregressive Flow) leveren vaak verschillende resultaten op. Het is cruciaal om te begrijpen waarom deze methoden verschillen, hoe gevoelig ze zijn voor individuele datapunten, en welke methode het meest betrouwbaar is.

Methodologie

De auteurs vergelijken drie methoden voor het construeren van $H_0$ op basis van dezelfde CC-dataset (33 datapunten, $z \in [0.07, 1.965]$):

1. EMCEE (Affine Invariant Markov chain Monte Carlo Ensemble sampler): Een parametrische methode die een $\Lambda$CDM-cosmologisch model veronderstelt. Het bemonstert de posteriorverdeling van $H_0$ en $\Omega_M$ via Bayesiaanse inferentie.
2. Gaussian Process (GP): Een niet-parametrische, modelonafhankelijke methode die $H(z)$ reconstrueert als een functie van roodverplaatsing. $H_0$ wordt afgeleid door extrapolatie naar $z=0$.
3. Masked Autoregressive Flow (MAF): Een diep-leerbenadering (neuraal netwerk) die complexe verdelingen modelleert. De MAF wordt getraind op gesimuleerde datasets (gebaseerd op $\Lambda$CDM) om de conditionele posterior $P(\theta | H_{CC})$ te leren.

De vergelijking vindt plaats op twee niveaus:

• Gevoeligheidsanalyse (MCDJ): De auteurs gebruiken de Monte Carlo delete-$d$ jackknife (MCDJ) methode. Ze verwijderen willekeurig $d=7$ datapunten uit de dataset (33 punten) en herhalen dit 1000 keer. Hierdoor wordt geanalyseerd hoe sterk de geschatte $H_0$ varieert bij het verwijderen van individuele metingen. Dit wordt gedaan voor het volledige dataset en voor gesplitste roodverplaatsingsregio's (laag-$z$ vs. hoog-$z$).
• Simulatie-gebaseerde prestatietests: De auteurs genereren 100 mock-datasets met een bekende "waarheid" ($H_{0,true}$) onder twee scenario's:
  1. Gebaseerd op het $\Lambda$CDM-model.
  2. Gebaseerd op een GP-reconstructie van de data.
     De prestaties van de drie methoden worden geëvalueerd aan de hand van:
  • Nauwkeurigheid: Bias en Root Mean Square Error (RMSE).
  • Kalibratie: Dekking van de 68% en 95% credible intervals (coverage).
  • Posterior Kwaliteit: Log-score op de ware waarde.

Belangrijkste Bijdragen

• Systematische Vergelijking: Eerste directe, gecontroleerde vergelijking van EMCEE, GP en MAF op exact dezelfde CC-dataset onder identieke voorwaarden.
• Gevoeligheidsmeting: Introductie van de MCDJ-methode om kwantitatief te bepalen welke methoden het meest gevoelig zijn voor individuele datapunten en hoe deze gevoeligheid varieert met roodverplaatsing.
• Robuustheidstest: Evaluatie van methoden tegenover twee verschillende generatiemodellen voor mock-data ($\Lambda$CDM en GP) om te controleren of de conclusies afhankelijk zijn van het onderliggende simulatiemodel.
• Praktische Richtlijnen: Het bieden van concrete aanbevelingen voor onderzoekers over welke methode het beste is voor specifieke doelen (bijv. modelafhankelijkheid vs. precisie).

Resultaten

1. Gevoeligheid voor datapunten (MCDJ):

• GP is het meest gevoelig voor het verwijderen van individuele $H(z)$-punten, gevolgd door MAF, en EMCEE is het minst gevoelig (stabielst).
• Roodverplaatsingsafhankelijkheid:
  • EMCEE en GP zijn gevoeliger voor datapunten bij hoge roodverplaatsing ($z \geq 0.48$).
  • MAF is gevoeliger voor datapunten bij lage roodverplaatsing ($z < 0.48$). Dit wordt toegeschreven aan het feit dat lage-$z$ metingen de lokale normalisatie directer bepalen in de getrainde MAF-mapping.

2. Prestaties in Simulaties:

• EMCEE: Presteert het beste in alle scenario's. Het heeft de laagste RMSE, de hoogste log-score (beste posteriorkwaliteit) en produceert de nauwkeurigste credible intervals (mild conservatief).
• Gaussian Process (GP): Presteert gemiddeld. Het vertoont echter een aanzienlijke negatieve bias (systematische onderschatting van $H_0$) in beide simulatiescenari's. Hoewel de dekking van de credible intervals vaak goed is, is de centrale waarde minder accuraat.
• MAF: Presteert het slechtst onder de simulatie-metrics. Hoewel de gemiddelde bias klein is, heeft het de grootste RMSE (grote variabiliteit tussen realisaties) en de laagste log-score. De credible intervals zijn vaak te breed of slecht gekalibreerd (under-coverage bij 95%).

3. Specifieke bevindingen over Bias:
De negatieve bias bij GP kon niet worden verklaard door een systematische verschuiving in de gegenereerde mock-data zelf (residuen bleven rond nul). De bias lijkt inherent te zijn aan de reconstructiemethode of de interactie met de data, en varieert niet uniform tussen simulatiescenari's, wat een eenvoudige correctie onmogelijk maakt.

Betekenis en Conclusies

De studie concludeert dat de keuze van de inferentiemethode de resultaten voor $H_0$ aanzienlijk beïnvloedt, zelfs bij gebruik van dezelfde dataset.

• Aanbeveling: Voor onderzoekers die een model-gebaseerde analyse (zoals $\Lambda$CDM) uitvoeren, is EMCEE de aanbevolen standaardmethode vanwege zijn stabiliteit, nauwkeurigheid en robuustheid tegen datapuntvariaties.
• Rol van GP: GP is waardevol als een modelonafhankelijke reconstructie en als robuustheidscheck, maar vanwege de gevoeligheid voor individuele punten en de systematische bias, wordt het niet aanbevolen als de primaire methode voor precisie-metingen van $H_0$ in deze context.
• Rol van MAF: In de huidige opzet met alleen CC-data presteert MAF niet beter dan de traditionele methoden en wordt het niet aanbevolen als standaard. Het voordeel van snelheid na training weegt niet op tegen de lagere statistische kwaliteit.

De auteurs benadrukken dat toekomstige studies naast de centrale waarde ook rapportage moeten doen over:

1. Een diagnose van gevoeligheid voor individuele metingen (zoals MCDJ).
2. Simulatie-gebaseerde validatiemetrics (bias, dekking, log-score).

Dit zorgt voor een betere vergelijkbaarheid tussen verschillende studies en helpt de Hubble-spanning beter te interpreteren door methodologische verschillen te kwantificeren.