Searching optimal scales for reconstructing cosmological initial conditions using convolutional neural networks

Resumo Técnico: Busca de Escalas Ótimas para a Reconstrução das Condições Iniciais Cosmológicas Usando Redes Neurais Convolucionais

Enunciado do Problema
Reconstruir o campo de densidade linear inicial do Universo a partir da distribuição de matéria evoluída tardiamente e não linearmente é um problema inverso fundamental em cosmologia. Embora a evolução gravitacional direta seja bem compreendida e simulável, reverter esse processo é desafiador devido aos efeitos não lineares (ex: cruzamento de cascas/shell crossing) que apagam informações de pequena escala, além da natureza de longo alcance da gravidade. Tentativas anteriores utilizaram técnicas perturbativas, resolvedores iterativos e modelos diretos probabilísticos. Mais recentemente, Redes Neurais Convolucionais (CNNs) têm mostrado promessa ao aprender o mapeamento complexo de campos evoluídos para condições iniciais. No entanto, uma limitação crítica das CNNs padrão é o conflito entre a natureza de longo alcance das interações gravitacionais e os campos receptivos inerentemente locais da rede. Este artigo investiga como a escolha da escala espacial de entrada (tamanho do sub-volume) afeta o desempenho da reconstrução e propõe um método para incorporar contexto multiescalar sem depender de estruturas híbridas físico-CNN.

Metodologia
Os autores empregam uma abordagem baseada em dados utilizando Redes Neurais Convolucionais 3D treinadas no conjunto Indra de grandes simulações de N-corpos cosmológicos (caixa de 1 $h^{-1}$ Gpc, $1024^3$ partículas, cosmologia WMAP7). A tarefa é prever o contraste de densidade inicial ($\delta$) em $z=10$ dado um sub-volume cúbico do campo de densidade evoluído em $z=0$.

1. Experimentos de Entrada Única: Os autores variaram sistematicamente o tamanho físico do sub-volume de entrada ($L_{sub}$) variando de 38 a 380 $h^{-1}$ Mpc. Para manter uma resolução de grade de entrada fixa de $39^3$ vóxels para a CNN, eles empregaram uma técnica de "rebinagem" (rebinning), que consiste em realizar a média de blocos de células da simulação de alta resolução para criar entradas de diferentes escalas físicas de menor resolução.
2. Arquitetura de Entrada Dupla: Para abordar o compromisso entre resolução local e contexto global, os autores propuseram uma CNN 3D de entrada dupla. Este modelo aceita dois sub-volumes de diferentes tamanhos físicos (especificamente $L_{sub} \sim 76$ e $228$ $h^{-1}$ Mpc) do mesmo volume de simulação. Cada entrada passa por um ramo independente de sete camadas convolucionais. Os mapas de características resultantes são concatenados e processados por camadas totalmente conectadas para produzir uma previsão escalar para a célula central.
3. Treinamento e Avaliação: Os modelos foram treinados usando o otimizador Adam com uma função de perda de Erro Quadrático Médio (MSE). O desempenho foi avaliado em um conjunto de teste independente utilizando múltiplas métricas estatísticas:
   • MSE normalizado (perda).
   • Funções de Densidade de Probabilidade (PDFs) e divergência de Kullback-Leibler (KL).
   • Funções de transferência ($T(k)$) comparando espectros de potência.
   • Coeficientes de correlação ($r(k)$) no espaço de Fourier para avaliar o alinhamento de fase.

Principais Contribuições e Resultados

• Escala Ótima de Entrada Única: O estudo identifica que o desempenho da reconstrução é altamente sensível ao tamanho do sub-volume de entrada. Embora escalas maiores geralmente melhorem a convergência, uma escala intermediária de $L_{sub} \sim 152$ $h^{-1}$ Mpc produz a menor perda de validação e a melhor recuperação geral.

  • Escalas menores ($<100$ $h^{-1}$ Mpc) carecem de contexto global suficiente para distinguir flutuações locais de efeitos ambientais.
  • Escalas maiores ($>250$ $h^{-1}$ Mpc) diluem detalhes de pequena escala através da média espacial.
  • A faixa ótima ($150\text{--}200$ $h^{-1}$ Mpc) equilibra a resolução local com o contexto ambiental.
  • Observou-se dependência de métrica: as funções de transferência atingiram o pico em $L_{sub} \sim 114\text{--}190$ $h^{-1}$ Mpc (recuperação de amplitude), enquanto os coeficientes de correlação atingiram o pico em $L_{sub} \sim 190\text{--}226$ $h^{-1}$ Mpc (alinhamento de fase).

• Superioridade do Modelo de Entrada Dupla: O modelo de entrada dupla ($L_{sub} \sim \{76, 228\}$ $h^{-1}$ Mpc) superou significativamente o melhor modelo de entrada única em todas as métricas.

  • Redução de Perda: A perda de validação diminuiu de $0.244$ (entrada única) para $0.190$ (entrada dupla).
  • Correspondência de PDF: A divergência KL entre as densidades iniciais previstas e as reais caiu aproximadamente 80% (de 0.0164 para 0.0027), indicando que o modelo de entrada dupla captura melhor a distribuição das flutuações de densidade e mitiga o efeito de "sobre-puxo" (over-pulling) de flutuações observado nos modelos de entrada única.
  • Recuperação de Pequena Escala: O modelo de entrada dupla manteve funções de transferência e coeficientes de correlação mais altos em pequenas escalas ($k \gtrsim 0.2$ $h$ Mpc$^{-1}$). Por exemplo, no bin $0.30 < k < 0.40$ $h$ Mpc$^{-1}$, a função de transferência melhorou de 0.712 para 0.861, e o coeficiente de correlação de 0.756 para 0.842.

• Eficiência: A abordagem de entrada dupla alcança esses ganhos sem exigir volume de simulação adicional. Ela utiliza o mesmo volume de simulação pai de forma mais eficiente ao fornecer explicitamente contexto multiescalar, exigindo apenas cerca de duas vezes mais memória por amostra em comparação com um modelo de entrada única grande, em vez do aumento exponencial necessário para manter a resolução em uma única caixa grande.

Significância e Alegações
O artigo afirma que a escolha da escala de entrada é um hiperparâmetro crítico e frequentemente negligenciado na reconstrução cosmológica baseada em CNNs. Os autores demonstram que escalas intermediárias oferecem o melhor equilíbrio para redes de entrada única, mas que essa limitação pode ser fundamentalmente superada ao incorporar explicitamente o contexto multiescalar.

A arquitetura de entrada dupla é apresentada como um "melhoramento simples, porém poderoso", que permite às CNNs aproximar tanto as transformações não lineares locais quanto os efeitos gravitacionais de longo alcance sem hibridizar com algoritmos de reconstrução física (como a aproximação de Zel'dovich). Os autores afirmam que esta abordagem maximiza a extração de informação de conjuntos de dados fixos, pavimentando o caminho para uma inferência cosmológica mais precisa a partir de levantamentos de estrutura em grande escala. Eles concluem que as abordagens futuras de aprendizado profundo para a recuperação de condições iniciais devem priorizar a integração de informações multiescalares para reconstruir de forma ideal o Universo primitivo.