cloelike: A Python Library for Cosmological Likelihood Inference in the Euclid Era

Technische Samenvatting van cloelike: Een Python-bibliotheek voor Kosmologische Likelihood-inferentie in het Euclid-tijdperk

Probleemstelling
De ESA Euclid-missie heeft als doel donkere energie, donkere materie en primordiale dichtheidsfluctuaties te onderzoeken via hoogprecisie fotometrische en spectroscopische waarnemingen. Het bereiken van deze doelen vereist robuuste, gevalideerde en reproduceerbare likelihood-frameworks voor statistische inferentie. Hoewel de kosmologische gemeenschap uitgebreide inferentietools bezit (bijv. CosmoSIS, Cobaya), lijden bestaande publieke likelihood-implementaties vaak aan twee beperkingen: ze zijn frequent proefspecifiek, of ze missen de modulariteit en native dataformaat-compatibiliteit die nodig zijn voor volledig geïntegreerde, end-to-end Euclid-analyses. Er is behoefte aan een uniforme, lichtgewicht interface die is gewijd aan het berekenen van de $\chi^2$-statistiek, die naadloos kan integreren met externe Bayesiaanse frameworks terwijl ze strikt adhereert aan Euclid-datastandaarden.

Methodologie en Softwareontwerp
cloelike is een Python-pakket dat is ontworpen om deze beperkingen aan te pakken door een modulaire, compositabele bibliotheek voor Gaussische likelihood-inferentie te bieden. De architectuur is gebaseerd op een strikte scheiding van verantwoordelijkheden:

1. Kernfunctionaliteit: Het pakket richt zich uitsluitend op het evalueren van de standaard multivariate Gaussische log-likelihood:
   $$-2 \ln \mathcal{L} = (\mathbf{d} - \mathbf{t})^T \mathbf{C}^{-1} (\mathbf{d} - \mathbf{t}) + b$$
   waarbij $\mathbf{d}$ de datavector is, $\mathbf{t}$ de theoretische voorspelling, $\mathbf{C}$ de covariantiematrix, en $b$ een additieve bias. Het voert geen parametersampling of modelbeheer uit, maar delegeert deze taken naar externe engines (bijv. Cobaya, CosmoSIS, Nautilus).

2. Modulaire Architectuur:

   • Basisclasses: Voor fotometrische proeven behandelt een gedeelde basisclass data-vector-inname, masking, schaalcuts, het laden van covarianties, het verwerken van precisiematrices en consistentiecontroles.
   • Mixins: Berekeningen van theoretische observabelen worden gedelegeerd naar onafhankelijke, proefspecifieke mixins (bijv. harmonische ruimtelijke hoekkrachtsspectra, configuratieruimtelijke correlatiefuncties, COSEBIs). Dit ontwerp voorkomt code-duplicatie en maakt het mogelijk om nieuwe observabelen toe te voegen door alleen het module voor theoretische voorspelling te implementeren.
   • Protocol-gebaseerde Integratie: cloelike interfaced direct met de theoretische voorspelling-bibliotheek cloelib via Python-protocollen. Dit zorgt ervoor dat likelihood-definities en theorieberekeningen ontkoppeld blijven, waardoor cloelike direct kan profiteren van updates in niet-lineaire modellering (bijv. galaxiebias, roodverschuivingsruimte-distorsies) binnen cloelib.

3. Data-compatibiliteit: De bibliotheek werkt op datavectoren, covariantiematrices en theoretische voorspellingen die zijn gestructureerd binnen het euclidlib-dataformaat. Het ondersteunt:

   • Fotometrische Proeven: Harmonische hoekkrachtsspectra en tweepunts-correlatiefuncties in de reële ruimte voor Weak Lensing (WL), Fotometrische Galaxie-Clustering (GCph) en Galaxie-Galaxie Lensing (GGL) in alle gecombineerde combinaties (3$\times$2pt, 2$\times$2pt).
   • Spectroscopische Proeven: Full-shape krachtsspectrum-multipoles en Baryonische Acoustische Oscillaties (BAO).

Belangrijkste Bijdragen

• Unificatie Interface: cloelike biedt een minimale, uniforme Python-interface voor het berekenen van $\chi^2$-statistieken over alle primaire Euclid-proeven, met ondersteuning voor zowel fotometrische als spectroscopische data.
• Composabiliteit: Het framework stelt gebruikers in staat om gezamenlijke likelihoods te construeren (bijv. het combineren van WL en GCph) door datacontainers, covariantie-representaties en observabelenaanbieders te combineren zonder de onderliggende infrastructuur te wijzigen.
• Prestaties en Schaalbaarheid: De implementatie maakt gebruik van vectorisatie-operaties, caching van tussentijdse grootheden (zoals de inverse covariantiematrix), en is compatibel met parallelle sampling-codes om efficiëntie in hoge-dimensionale parameterruimtes te garanderen.
• Adoptie door de Gemeenschap: De software wordt actief gebruikt binnen het Euclid-Consortium als de referentie-likelihood-implementatie en dient als een natuurlijke evolutie van de vroegere CLOE-software.

Resultaten en Gebruik
Het artikel demonstreert de bruikbaarheid van de bibliotheek door gebruiksexamples voor twee representatieve likelihoods:

1. Harmonische Fotometrische Likelihood: Een voorbeeld illustreert de initialisatie en evaluatie van een log-likelihood voor kosmische shear hoekkrachtsspectra, met details over de constructie van data-dictionaries, schaalcut-instellingen, en het instantiëren van de likelihood met specifieke cloelib-achtergrond- en perturbatieklassen.
2. Spectroscopische Full-Shape Likelihood: Een voorbeeld demonstreert de berekening van een log-likelihood voor spectroscopische galaxie-clustering full-shape krachtsspectra, inclusief het behandelen van multipoles ($P_0, P_2, P_4$), extractie van de fidele kosmologie, eenheids-rescaling, en de definitie van nuisance-parameters (bijv. galaxiebias, EFT-parameters) over roodverschuivingsbinnen.

Betekenis
De auteurs beweren dat cloelike de drempel verlaagt voor de gemeenschap om officiële Euclid-resultaten te reproduceren, terwijl het tegelijkertijd flexibele exploratie van nieuwe systematieken en uitgebreide kosmologische modellen mogelijk maakt. Door te fungeren als een toewijde, gevalideerde likelihood-laag die bestaande end-to-end inferentie-frameworks aanvult, zorgt het voor interoperabiliteit zonder functionaliteit te dupliceren. Het modulaire ontwerp vergemakkelijkt de opname van nieuwe observabelen (zoals kruiscorrelaties met de Cosmic Microwave Background) en ondersteunt de coherente multi-proef analyses die nodig zijn om het volledige wetenschappelijke potentieel van Euclid-observatiegegevens te halen. Het pakket is openbaar vrijgegeven onder de MIT-licentie om gemeenschapsvalidatie en reproduceerbaarheid te ondersteunen.