cloelib: A Flexible Python Library for Computing Cosmological Observables in the Euclid Era

Technische Samenvatting van cloelib: Een Flexibele Python-bibliotheek voor het Berekenen van Kosmologische Observabels in het Euclid-tijdperk

Probleemstelling
Het veld van de observationele kosmologie gaat een precisie-tijdperk binnen, aangedreven door Stage IV-galaxie-opnames, waaronder de Euclid-missie van de Europese Ruimtevaartorganisatie, DESI, het Vera C. Rubin-observatorium en de Nancy Grace Roman-ruimtetelescoop. Deze missies genereren enorme datasets die theoretische voorspellingen vereisen die zowel nauwkeurig als computerefficiënt zijn om kosmologische modellen te beperken. Hoewel bestaande kaders (zoals CCL, CosmoSIS, CAMB, CLASS) robuuste tools bieden, ontbreekt het hen vaak aan de flexibiliteit om diverse bestaande componenten naadloos te integreren of om brede theoretische modellen naast uitgebreide systematische effecten te onderzoeken. Specifiek leed de originele CLOE-software (Cosmology Likelihood for Observables in Euclid), hoewel centraal in Euclid-analyses, aan structurele beperkingen: het uitbreiden ervan voor nieuwe observabels of modelkeuzes vereiste ingrijpende wijzigingen, wat leidde tot technische schuld en verminderde onderhoudbaarheid. Bovendien was het kader oorspronkelijk niet ontworpen om de onafhankelijke ontwikkeling en integratie van nieuwe theoretische modellen of systematiek binnen een geünificeerde pijplijn te ondersteunen, noch ondersteunde het op native wijze moderne inferentiemethoden op basis van gradiënten.

Methodologie en Softwareontwerp
cloelib is een volledig Python-georiënteerde bibliotheek die is ontworpen om de flexibiliteit en efficiëntie te operationaliseren die nodig zijn voor moderne kosmologische inferentie. Het vertegenwoordigt een structurele evolutie van de CLOE-software en introduceert een modulaire architectuur gebaseerd op Python-protocollen (PEP 544) om een "plug-and-play"-benadering af te dwingen.

De bibliotheek organiseert functionaliteit in vier distincte lagen:

1. Kosmologische Achtergronden: Behandeling van expansiegeschiedenis en afstanden.
2. Perturbatietheorie: Beheer van lineaire en niet-lineaire materiemachtspectra.
3. Observabels: Berekening van kosmische schering, fotometrische/spectroscopische clustering en CMB-lenswerking.
4. Samenvattende Statistieken: Genereren van hoekmachtspectra, correlatiefuncties en Legendre-multipolen.

Belangrijke technische kenmerken zijn:

• Op Protocollen Gebaseerde Interfaces: Componenten communiceren via goed gedefinieerde interfaces (bijv. Background, Perturbations, Tracer, SpectroPower) in plaats van rigide erfelijkheids hiërarchieën. Dit stelt onderzoekers in staat om tussen verschillende theoretische backends te schakelen (bijv. Boltzmann-oplossers zoals CAMB en CLASS, of emulators zoals CosmoPower, BACCOemu en EuclidEmulator2) zonder de analysepijplijn aan te passen.
• JAX-integratie: Een kernkenmerk is de native integratie met JAX, wat automatische differentiatie, efficiënte gradiëntgebaseerde berekening en just-in-time (JIT)-compilatie mogelijk maakt. Dit transformeert conventionele pijplijnen in volledig differentieerbare programma's, waardoor geavanceerde inferentiemethoden zoals Hamiltonian Monte Carlo en modellering op basis van neurale netwerken worden vergemakkelijkt.
• Systematische Modellering: De bibliotheek bevat implementaties voor survey-specifieke systematiek, zoals Alcock–Paczynski-correcties, kalibratie van schering en fotometrische roodverschuiving, en spectroscopische zuiverheid.
• Prestatieoptimalisatie: Kritieke secties maken gebruik van JIT-compilatie en een cachesysteem vermijdt redundante evaluaties. De bibliotheek ondersteunt zowel lineaire als niet-lineaire perturbatietheorieën en koppelt aan state-of-the-art emulators (bijv. HMCode2020Emu, FlamingoBaryonResponseEmulator) en spectroscopische codes (PBJ, comet-emu).

Belangrijkste Bijdragen en Capaciteiten

• Geünificeerde Interface: cloelib is de eerste code voor grote structuren die een geünificeerde interface implementeert naar meerdere kosmologische codes met behulp van Python-protocollen, waardoor naadloze vergelijking van verschillende theoretische implementaties binnen een consistente opstelling mogelijk wordt.
• Differentieerbare Kosmologie: Door gebruik te maken van JAX stelt de bibliotheek het trainen van neurale netwerk-emulators en het gebruik van gradiëntgebaseerde steekproefnemers in staat, wat in traditionele kaders vaak moeilijk efficiënt te implementeren is.
• End-to-End-analyse: Geïntegreerd met de begeleidende likelihood-module cloelike, ondersteunt de bibliotheek de volledige keten van berekening van observabels tot likelihood-evaluatie en posterior-steekproefneming voor parameters.
• Modulaire Uitbreidbaarheid: Het gebruik van Python-mixins en protocollen stelt gebruikers in staat functionaliteit uit te breiden (bijv. het toevoegen van baryonische effecten) zonder onderliggende implementaties te wijzigen.

Resultaten en Prestaties
Het artikel rapporteert computatieprestatiebenchmarks op een Apple M4-chip:

• Initialisatie: Het initialiseren van schering- en positietracerklassen duurt ongeveer 0,4 seconde; daaropvolgende oproepen zijn effectief direct vanwege caching.
• Fotometrische Probes: Het berekenen van hoekmachtspectra voor een 3x2-pt-analyse (3000 multipolen, 512 k-waarden, 500 roodverschuivingen, 6 bins) met de Limber-benadering duurt ongeveer 0,06 seconde per oproep na een initialisatiefase van één seconde. Voor een Euclid-achtige configuratie met 13 bins (351 spectra) is de tijd ongeveer 0,1 seconde per oproep.
• Spectroscopische Probes: Het berekenen van volledige vorm-spectroscopische Legendre-multipolen voor een enkele roodverschuivingsbin duurt ongeveer 3 milliseconden.
• Vergelijking: Deze resultaten vertegenwoordigen een aanzienlijke versnelling ten opzichte van de voormalige CLOE-software, terwijl procentuele nauwkeurigheid wordt behouden door het gebruik van state-of-the-art emulators.

Betekenis
Het artikel positioneert cloelib als de referentie-infrastructuur voor theorieberekening voor de eerste kosmologische release van Euclid. De betekenis ervan ligt in het overbruggen van traditionele numerieke kosmologie met moderne optimalisatietechnieken en opkomende machine learning-benaderingen. Door een flexibel, uitbreidbaar en differentieerbaar platform te bieden, adresseert cloelib de structurele beperkingen van eerdere tools, waardoor snellere en gestroomlijnde statistische analyses mogelijk worden. Het is ontworpen om in te spelen op de eisen van de volgende generatie precisie-kosmologie-experimenten, en faciliteert systematische studies, modelvergelijkingen en robuuste cross-validatie van kosmologische resultaten binnen het Euclid-consortium en de bredere gemeenschap.