Bayesian Deep Gaussian Processes for Correlated Functional Data: A Case Study in Cosmological Matter Power Spectra

Resumo Técnico: Processos Gaussianos Profundos Bayesianos para Dados Funcionais Correlacionados

Definição do Problema
O artigo aborda o desafio de estimar o espectro de potência da matéria de "volume infinito", $P_\infty(k)$, a partir de simulações computacionais cosmológicas. Especificamente, os autores focam na suíte de simulações Mira-Titan, que fornece múltiplas curvas de resposta de diferentes fidelidades para um determinado conjunto de parâmetros cosmológicos (uma "cosmologia"). Esses outputs incluem:

1. Espectros de teoria de perturbação ($P_p$): Derivados analiticamente, precisos apenas em escalas espaciais grandes (números de onda baixos, $k < 0.04$).
2. Simulações de baixa resolução ($P_{\ell r}$): 16 realizações correlacionadas por cosmologia, precisas para escalas intermediárias ($0.04 \le k \le 0.25$), mas sujeitas ao aleatorismo de inicialização.
3. Simulações de alta resolução ($P_h$): Uma única realização por cosmologia, precisa para uma gama mais ampla ($0.04 \le k \le 5$), mas ainda sujeita a efeitos de volume finito em baixos valores de $k$.

A dificuldade central reside em sintetizar esses outputs funcionais heterogêneos, correlacionados e ruidosos para estimar o $P_\infty(k)$ suave e não aleatório, fornecendo simultaneamente uma Quantificação de Incerteza (UQ) rigorosa. Métodos existentes frequentemente tratam esses outputs como observações escalares independentes ou falham em considerar a dependência espacial inerente às curvas funcionais através dos números de onda. Além disso, os autores visam construir um modelo substituto (surrogate model/emulator) para prever espectros para cosmologias não observadas sem a necessidade de rodar novas simulações dispendiosas.

Metodologia
Os autores propõem um modelo de Processo Gaussiano Profundo (DGP) Hierárquico Bayesiano, denominado DGP.FCO, projetado especificamente para outputs funcionais correlacionados.

1. Estrutura Hierárquica:

   • Camada de Observação: A média ponderada observada dos outputs das simulações ($\bar{Y}$) é modelada como uma realização ruidosa do espectro subjacente $S$. Diferente de abordagens anteriores que assumem covariância de ruído diagonal, este modelo emprega uma matriz de covariância densa $\Sigma_\epsilon$ (baseada em um kernel de Matérn) para capturar a dependência espacial suave e as correlações através dos números de onda.
   • Camada de Espectro Latente: O espectro subjacente $S$ é modelado como um Processo Gaussiano centrado em zero, $S \sim \text{GP}(0, \Sigma_S(W))$.
   • Camada Latente Profunda: Para lidar com a não-estacionaridade (especificamente as oscilações acústicas bariônicas no intervalo $-1.4 \le \log_{10}(k) \le -0.8$), o espaço de entrada $X$ (números de onda) é deformado por um processo Gaussiano monotônico latente, $W \sim \text{monoGP}$. Essa deformação permite que o modelo adapte a suavidade da realização do espectro através de diferentes escalas.

2. Inferência:

   • Os autores utilizam Amostragem de Fatia Elíptica (ESS) para inferir a função de deformação latente $W$ e passos de Metropolis-Hastings dentro de uma estrutura de Gibbs para atualizar os hiperparâmetros do kernel ($\theta_S, \theta_W$).
   • A distribuição posterior do espectro $S$ é derivada em forma fechada dados os termos latentes, permitindo a amostragem direta para calcular as médias posteriores e os intervalos de credibilidade de 95%.

3. Emulação para Cosmologias Não Observadas:

   • Para prever espectros para novas cosmologias, os autores empregam uma abordagem de dois estágios. Primeiro, o modelo DGP.FCO é usado para estimar os espectros para as cosmologias de treinamento.
   • Esses espectros estimados são então decompostos usando Análise de Componentes Principais (PCA).
   • Um emulador de Processo Gaussiano separado é treinado nos pesos dos componentes principais como uma função dos oito parâmetros cosmológicos. Este modelo substituto permite a previsão rápida de espectros para configurações cosmológicas não observadas.

Principais Contribuições

• Extensão dos DGPs Bayesianos: O artigo estende os Processos Gaussianos Profundos Bayesianos de respostas escalares para outputs funcionais correlacionados. Esta é uma aplicação inovadora de DGPs no contexto de experimentos computacionais.
• Síntese de Dados de Multi-Fidelidade: O modelo sintetiza efetivamente dados de teoria de perturbação, simulações de baixa resolução e de alta resolução, respeitando os intervalos específicos de número de onda onde cada fonte de dados é imparcial.
• Incorporação de Conhecimento de Domínio: O modelo incorpora explicitamente o conhecimento especializado sobre a confiabilidade de diferentes fontes de dados (via matrizes de precisão) e a natureza não-estacionária dos espectros (via o GP monotônico latente).
• Benchmarking: O método é validado contra dados sintéticos e o modelo CAMB (Code for Anisotropies in the Microwave Background), que fornece uma verdade fundamental de "volume infinito". Também é comparado com o estado da arte, o Cosmic Emu (uma abordagem de convolução de processo profundo) utilizando o conjunto de dados Mira-Titan.

Resultados

• Experimentos Sintéticos e CAMB: Em estudos de simulação onde a curva real subjacente é conhecida, o modelo DGP.FCO supera métodos concorrentes (DGP padrão, GP heterocedástico e convolução de processo profundo) em termos de log score, uma regra de pontuação adequada que avalia tanto a precisão quanto a calibração da incerteza. Os autores observam que contabilizar a dependência espacial entre as observações leva a uma UQ mais eficaz.
• Emulação Mira-Titan: Ao prever espectros para cosmologias retidas, o método proposto (DGP.FCO + PCA + emulador GP) apresenta desempenho favorável em comparação com o Cosmic Emu existente.
• Quantificação de Incerteza: O modelo hierárquico fornece com sucesso intervalos de credibilidade que refletem a incerteza decorrente de volumes de simulação finitos e do aleatorismo de inicialização, algo que médias ponderadas simples não conseguem capturar adequadamente.

Significância e Alegações
Os autores afirmam que sua abordagem fornece um framework robusto para estimar o espectro de potência da matéria de volume infinito a partir de suítes de simulação complexas e de multi-fidelidade. Ao ir além das respostas escalares para outputs funcionais correlacionados, o método captura a suavidade intrínseca e a dependência dos espectros cosmológicos que outros emuladores perdem. O artigo posiciona este trabalho como um passo crítico para a análise eficiente de grandes levantamentos cosmológicos (ex: Euclid, LSST), onde a previsão rápida e precisa de espectros de potência da matéria com uma quantificação de incerteza confiável é essencial para restringir parâmetros cosmológicos. Os autores disponibilizam os dados, o código reproduzível e um pacote em R para facilitar a adoção deste modelo de DGP Bayesiano.