Efficiently emulating distribution functions in gigaparsec volumes for varying cosmological parameters

Probleemstelling

In de moderne kosmologie zijn waarnemingen van de volgende generatie (zoals Euclid, Roman en Rubin) zo nauwkeurig dat statistische fouten onder het procentniveau dalen. Om deze data correct te interpreteren, zijn zeer precieze voorspellingen nodig voor de halo-massafunctie (HMF) en andere verdelingsfuncties over een groot bereik van kosmologische parameters.

Traditionele methoden stuiten op een fundamenteel compromis tussen volume, resolutie en parameterbereik:

1. Periodieke simulaties: Om zware halos (clusters) zeldzame gebeurtenissen) goed te statistisch te vangen, zijn enorme volumes nodig (Gigaparsec). Echter, om ook lage-massa halos (waar sterrenvorming plaatsvindt) op te lossen, is een hoge resolutie vereist. Het uitvoeren van hydrodynamische simulaties met zowel Gigaparsec-volumes als hoge resolutie over een breed scala aan parameters is computationally onhaalbaar.
2. Zoom-simulaties: Deze focussen op kleine gebieden met hoge resolutie, maar missen de statistische representativiteit van grote volumes en zeldzame omgevingen.
3. Analytische fittingen: Deze zijn vaak onnauwkeurig bij extreme waarden of complexe baryonische effecten.

Het doel van dit onderzoek is een methode te ontwikkelen die de voordelen van zoom-simulaties combineert met de statistische kracht van grote volumes, tegen een fractie van de rekenkosten.

Methodologie

De auteurs presenteren een nieuw raamwerk dat neuronale dichtheidsschatters (specifiek conditional normalizing flows) combineert met geselecteerde sub-regio's uit een grote set van lage-resolutie simulaties.

1. Data en Selectie:

• Ouder-simulaties: De auteurs gebruiken de Quijote BSQ-suite (Big Sobol Sequence), bestaande uit 32.768 $N$-body simulaties van $(1 \text{ Gpc})^3$ met variërende $\Lambda$CDM-parameters ($\Omega_m, \Omega_b, h, n_s, \sigma_8$).
• Regio-selectie: In plaats van de volledige box te gebruiken, selecteren ze kleine kubieke regio's van $\sim(50 \ h^{-1}\text{Mpc})^3$ uit deze parent-simulaties.
• Overdichtheid: Elke regio wordt gekenmerkt door zijn lokale overdichtheid ($\delta$). De auteurs trainen het model niet op de absolute waarde van $\delta$, maar op het percentiel van de overdichtheid binnen de parent-simulatie. Dit voorkomt dat het model expliciet de verdeling van overdichtheden $p(\delta|\theta)$ hoeft te modelleren.

2. Het Emulator Model:

• Architectuur: Een Conditioneel Normaliserend Stroommodel (Conditional Normalizing Flow).
• Input: Kosmologische parameters ($\theta$), het overdichtheidspercentiel van de regio ($p_S$), en de halo-massa ($m_j$).
• Output: Een voorspelling voor de residu's van de HMF ten opzichte van een globale basislijn. De HMF wordt ontbonden in een basislijn (gemiddeld over alle trainingsregio's) en een residu dat door het stroommodel wordt voorspeld.
• Verliesfunctie: Het model wordt getraind om de Poisson-waarschijnlijkheid van het tellen van halos in massabins te maximaliseren, waarbij Monte Carlo-sampling wordt gebruikt om de latent space te integreren.

3. Globalisatie (Integratie):
Om de globale HMF voor een willekeurige kosmologie te verkrijgen, wordt het volgende proces gevolgd:

1. Het model genereert voorspellingen voor een groot aantal virtuele regio's met willekeurige overdichtheidspercentielen (gesampled uit een uniforme verdeling).
2. Deze voorspellingen worden geïntegreerd over de verdeling van overdichtheden (die goed benaderd kan worden door goedkope lage-resolutie simulaties).
3. Het resultaat is een geschatte globale HMF voor de volledige Gigaparsec-box, afgeleid van slechts een klein deel van de oorspronkelijke simulatievolume.

Belangrijkste Resultaten

• Efficiëntie: De methode gebruikt slechts ~0,026% van het oorspronkelijke simulatievolume om de globale HMF van een volledige $(1 \text{ Gpc})^3$ box te reconstrueren. Dit komt neer op een reductie in rekenkosten van ongeveer 4000x ten opzichte van het draaien van equivalente hoge-resolutie periodieke simulaties.
• Nauwkeurigheid:
  • De emulator bereikt een mediaan fractie fout van ~2% voor lage massa's ($\lesssim 10^{14.5} M_\odot$).
  • Bij hogere massa's convergeert de fout naar het shot noise-limiet (veroorzaakt door het zeldzame voorkomen van zware clusters).
  • Voor 95% van de test-kosmologieën blijft de fout onder de 5% voor halos onder $10^{14.5} M_\odot$.
• Residuen: De residuen van het model zijn consistent met Poisson-strooiing, zonder systematische bias. Het model kalibreert ook de kans op "zero-counts" (regio's zonder halos in een bepaalde massabins) correct.
• Parameter Sensitiviteit: Het model vangt de sterke afhankelijkheid van de HMF van kosmologische parameters correct op, met name de normalisatie afhankelijkheid van $\Omega_m$ en de gevoeligheid van de staart van de verdeling voor $\sigma_8$ en $n_s$.
• Optimalisatie van Regio's: Het onderzoek toont aan dat het selecteren van meer regio's (grotere steekproefomvang) belangrijker is dan het vergroten van het volume van individuele regio's, zolang het volume maar groter is dan $\sim(50 \ h^{-1}\text{Mpc})^3$ om kosmische variatie te onderdrukken.

Bijdragen en Betekenis

1. Doorbraak in Schaalbaarheid: De studie bewijst dat "zoom"-simulaties (of geselecteerde regio's uit lage-resolutie boxes) kunnen worden gecombineerd via machine learning om verdelingsfuncties te emuleren die normaal gesproken Gigaparsec-volumes vereisen. Dit opent de deur voor het bestuderen van zeldzame objecten (zoals zware clusters) én lage-massa halos in één raamwerk.
2. Toepasbaarheid op Hydrodynamica: Hoewel dit artikel zich richt op donkere materie (DMO), is de methode direct toepasbaar op hydrodynamische simulaties. Dit is cruciaal omdat hydrodynamische simulaties met hoge resolutie en grote volumes (zoals nodig voor baryonische effecten) momenteel onbetaalbaar duur zijn. Met deze methode kunnen suites van duizenden zoom-simulaties worden gebruikt om nauwkeurige, parameter-afhankelijke voorspellingen te doen voor toekomstige surveys.
3. Differentieerbaarheid: Het model is gebouwd in JAX en is volledig differentieerbaar. Dit maakt het direct inzetbaar in simulation-based inference (SBI) pipelines (bijv. met BlackJax) om posteriors van kosmologische parameters direct af te leiden uit waarnemingsdata.
4. Invloed op Toekomstige Surveys: De methode biedt een praktische route om de theoretische onzekerheden voor observatoria zoals Euclid, Roman en Rubin te beheersen, door de dynamische range te vergroten tot veel lagere massa's dan mogelijk met traditionele periodieke simulaties, terwijl grote parameterbereiken worden bestreken.

Kortom, de auteurs hebben een kostenefficiënte, nauwkeurige en schaalbare oplossing ontwikkeld voor het "volume-resolutie-parameter" compromis in de kosmologische simulatie, wat essentieel is voor de interpretatie van de komende golf van waarnemingen in de kosmologie.