Interpretable machine learning of halo gas density profiles: a sensitivity analysis of cosmological hydrodynamical simulations

Probleemstelling
Het begrijpen van de verdeling van gas binnen sterrenstelsels en het intergalactische medium is fundamenteel voor de theorie van de vorming van sterrenstelsels, aangezien de efficiëntie van stervorming kritiek afhangt van de hoeveelheid, configuratie en thermodynamische staat van dit gas. Deze eigenschappen worden gereguleerd door stellaire en AGN-feedbackprocessen (Actieve Nucleus van een Sterrenstelsel). De specifieke mechanismen waarmee feedback de radiale gasdichtheidsprofielen in gast-halo's vormgeeft, blijven echter slecht geconstateerd. Hoewel kosmologische hydrodynamische simulaties (bijv. EAGLE, IllustrisTNG, Simba) gedetailleerde beschrijvingen van deze systemen bieden, maken zij gebruik van verschillende sub-grid voorschriften voor feedback, wat leidt tot significante modelafhankelijke verschillen in de voorspelde gasverdelingen. Analytische en semi-analytische modellen vertrouwen vaak op vereenvoudigde aannames (bijv. sferisch symmetrische machtswetprofielen) die er niet in slagen de complexe interactie van feedbackmechanismen te vatten. Daarentegen, hoewel machine learning (ML) datagedreven mogelijkheden biedt, wordt het vaak bekritiseerd vanwege het gebrek aan fysieke interpreteerbaarheid (het "black box"-karakter). Dit werk adresseert de behoefte aan een raamwerk dat zowel accuraat is in het voorspellen van gasdichtheidsprofielen als fysiek interpreteerbaar met betrekking tot hoe specifieke sterrenstelsel- en halo-eigenschappen deze profielen beïnvloeden onder verschillende feedbackscenario's.

Methodologie
De auteurs maken gebruik van suites van kosmologische hydrodynamische simulaties: EAGLE, IllustrisTNG en meerdere varianten van Simba (inclusief runs met gedeactiveerde feedbackmodi). Zij extraheren data voor goed opgeloste halo's ($M_{200c} > 10^{9.5} M_\odot$) over de roodverschuivingen $0 < z < 4$.

1. Dataconstructie:

   • Doelvariabele: Sferisch gemiddelde radiale profielen van de totale gasdichtheid ($\rho$) in 20 logaritmische bins van $0.01 R_{200c}$ tot $5 R_{200c}$. Voorspellingen zijn beperkt tot het numeriek robuuste bereik $0.05 R_{200c} \leq r \leq R_{200c}$.
   • Inputkenmerken: Zes globale eigenschappen: totale halo-massa ($M_{200c}$), centrale sterrenstelsel gasmassa ($M_{gas}$), stellaire massa ($M_\star$), stervormingssnelheid (SFR), centraal zwart gat (BH) massa ($M_{BH}$), en BH-accretiesnelheid ($\dot{M}_{BH}$).
   • Preprocessing: Om de brede dynamische reikwijdte en nulwaarden (bijv. voor SFR of BH-accretie in gekuste systemen) te behandelen, worden de inputkenmerken en doelvariabelen herschaald. Massa's en dichtheden gebruiken decimale logaritmen. Kenmerken met potentiële nulwaarden (SFR, $M_{BH}$, $\dot{M}_{BH}$) ondergaan een gemodificeerde inverse hyperbolische sinus-transformatie (Vergelijking 1) om een vloeiende overgang te garanderen van lineair gedrag bij lage waarden naar logaritmisch gedrag bij hoge waarden.

2. Machine Learning Model:

   • Een Random Forest (RF) regressiealgoritme wordt getraind om het gasdichtheidsprofiel in elk radiaal bin te voorspellen op basis van de zes inputkenmerken.
   • De dataset wordt gesplitst in trainings- (80%) en testsets (20%). Hyperparameters (minimale knoopgrootte, boomdiepte, aantal estimators) worden geoptimaliseerd met behulp van een validatieset.
   • Het model wordt afzonderlijk getraind voor elk simulatie-snapshot.

3. Gevoeligheidsanalyse:

   • Om het "black box" RF-model te interpreteren, passen de auteurs Sobol statistische gevoeligheidsanalyse toe. Deze techniek kwantificeert de bijdrage van elk inputkenmerk (en hun interacties) aan de variantie van de output van het model (voorspelde gasdichtheid).
   • Zij berekenen eerste-orde Sobol-indices ($S_1$), die het hoofdeffect vertegenwoordigen van het variëren van een enkel kenmerk, en totaal-orde Sobol-indices ($S_T$), die het totale effect vertegenwoordigen inclusief alle interacties met andere kenmerken.
   • Een significantiedrempel wordt vastgesteld op basis van de intrinsieke nauwkeurigheid van het model om fysiek betekenisvolle kenmerkbelangrijkheid te onderscheiden van ruis.

Belangrijkste Bijdragen

• Ontwikkeling van een Interpreteerbaar ML-Raamwerk: Het artikel presenteert een Random Forest-algoritme dat in staat is om gasdichtheidsprofielen van halo's met hoge nauwkeurigheid te voorspellen met slechts zes globale eigenschappen.
• Eerste Toepassing van Sobol-analyse op Volledige Hydrodynamische Simulaties: De auteurs passen voor het eerst Sobol-gevoeligheidsanalyse toe op volledige kosmologische hydrodynamische simulaties, waarbij zij verder gaan dan semi-analytische modellen of emulators. Dit maakt een rigoureuze kwantificering van kenmerkbelangrijkheid en degeneraties in een complex, niet-lineair fysisch systeem mogelijk.
• Cross-Simulatie Vergelijking: Het raamwerk wordt getest over drie belangrijke simulatie-suites (EAGLE, IllustrisTNG, Simba) met verschillende feedbackimplementaties, evenals specifieke Simba-varianten waar feedbackmodi (stellaire, AGN-wind, AGN-jet, röntgen) selectief zijn gedeactiveerd.

Resultaten

• Voorspellende Nauwkeurigheid: Het RF-algoritme reproduceert de gesimuleerde gasdichtheidsprofielen met een gemiddelde nauwkeurigheid ($\langle \alpha \rangle$) van $\sim 83-90\%$ over het massabereik $10^{9.5} < M_{200c} < 10^{15} M_\odot$ en roodverschuiving $0 < z < 4$.
  • EAGLE en IllustrisTNG bereiken $\sim 90\%$ nauwkeurigheid bij $z > 1$ en $\sim 86\%$ bij $z=0$.
  • Simba-simulaties vertonen een iets lagere nauwkeurigheid ($\sim 83-87\%$), met een opvallende systematische ondervoorspelling in hoge-massa halo's ($M_{200c} > 10^{12.2} M_\odot$) bij $z=0$.
• Kenmerkbelangrijkheid (Gevoeligheidsanalyse):
  • Dominante Drijvers: Over alle simulaties en roodverschuivingen heen zijn de totale halo-massa ($M_{200c}$) en de gasmassa van het centrale sterrenstelsel ($M_{gas}$) de meest invloedrijke kenmerken. $M_{gas}$ is de meest impactvolle voorspeller, met name in de binnenste halo ($< 0.2 R_{200c}$), terwijl $M_{200c}$ fungeert als een globale voorspeller.
  • Redshift Evolutie: Bij een hoge roodverschuiving ($z=4$) wordt stellaire massa ($M_\star$) een significante voorspeller in de binnenste regio's, wat de dominantie van stellaire feedback reflecteert. Bij lagere roodverschuivingen ($z \le 2$) neemt het belang van BH-massa ($M_{BH}$) toe, met name in Simba, wat correleert met het begin van significante AGN-feedback.
  • Verwaarloosbare Kenmerken: De instantane BH-accretiesnelheid ($\dot{M}_{BH}$) en de stervormingssnelheid (SFR) vertonen over het algemeen een lage impact op het globale gasdichtheidsprofiel. De auteurs suggereren dat de lage impact van de accretiesnelheid kan komen door tijdschaalverschillen (galactische versus halo-tijdschalen) of het anisotrope karakter van AGN-feedback dat wordt verdund in sferische gemiddelden.
• Feedback Varianten: In Simba-varianten verhoogt de activatie van AGN-feedbackmodi (specifiek AGN-jets) het belang van $M_{BH}$ en $M_\star$ bij het vormgeven van de gasverdeling. Daarentegen, in de "No-feedback" run blijft $M_{gas}$ een sterke voorspeller, zelfs bij grote radii, door de efficiënte conversie van gas naar sterren over de hele halo.

Betekenis en Claims
De auteurs positioneren dit werk als een "proof of concept" dat aantoont dat datagedreven modellen via gevoeligheidsanalyse fysiek interpreteerbaar kunnen worden gemaakt.

• Interpreteerbaarheid: De studie slaagt erin te identificeren dat hoewel feedbackfysica complex is, de resulterende gasdichtheidsprofielen sterk verbonden zijn met een paar globale eigenschappen ($M_{gas}$ en $M_{200c}$), met secundaire afhankelijkheden van stellaire en BH-eigenschappen die evolueren met de roodverschuiving en de feedbackimplementatie.
• Nut voor Theorie: Het raamwerk kan worden ingebed in semi-analytische modellen van de vorming van sterrenstelsels om gasdichtheidsprofielen te incorporeren die consistent zijn met diverse hydrodynamische simulaties zonder volledige simulaties te draaien.
• Toekomstige Toepassing: De auteurs claimen dat de nauwkeurigheid van het model (met name bij $z \gtrsim 1$) voldoende is om te dienen als een benchmark voor toekomstige vergelijkingen met observationele data (bijv. röntgenstraling oppervlaktehelderheid, absorptie/emissielijnen). Zij merken op dat hoewel de huidige nauwkeurigheid bij $z=0$ voor Simba iets onder de $\sim 15\%$ observationele benchmark ligt, het model veelbelovend is voor het beperken van feedbackmodellen zodra het wordt uitgebreid om specifieke gasfasen (ISM, CGM) te voorspellen in plaats van alleen de totale dichtheid.

Het artikel concludeert dat deze aanpak een computationeel goedkope en fysiek intuïtieve methode biedt om de interactie tussen feedback, sterrenstelsel-eigenschappen en gasverdeling te begrijpen, en dient als een fundament voor toekomstig werk dat simulatieparameters koppelt aan observationele beperkingen.