Conditional variational autoencoders for cosmological model discrimination and anomaly detection in cosmic microwave background power spectra

Resumo Técnico: Autoencoders Variacionais Condicionais para Discriminação de Modelos Cosmológicos e Detecção de Anomalias

Definição do Problema
Os espectros de potência da Radiação Cósmica de Fundo em Micro-ondas (CMB) servem como uma janela primária para o universo primitivo, mas alcançar uma compressão de dados interpretável e diagnósticos de inferência rápidos sob suposições de modelos fracos continua sendo um desafio. Embora o modelo $\Lambda$CDM de seis parâmetros forneça uma base robusta, tensões observacionais (ex: a tensão de $H_0$) e anomalias (ex: déficits em multipolos baixos) sugerem potenciais efeitos sistemáticos ou nova física além do modelo padrão. Pipelines tradicionais baseados em verossimilhança para verificar extensões ao $\Lambda$CDM são computacionalmente intensivos, muitas vezes dominando o tempo de execução das análises de CMB. Além disso, abordagens de aprendizado profundo puramente orientadas a dados frequentemente sofrem de uma natureza de "caixa-preta", carecendo de mapeamentos rastreáveis para parâmetros físicos e de uma quantificação robusta de incertezas, o que limita sua interpretabilidade e reutilização na inferência cosmológica.

Metodologia
Os autores propõem uma arquitetura de Autoencoder Variacional Condicional (CVAE) projetada especificamente para espectros de potência de CMB ($D_\ell^{TT}$, $D_\ell^{EE}$ e $D_\ell^{TE}$). A inovação central reside no alinhamento de uma representação latente orientada a dados com parâmetros cosmológicos, mantendo uma interface para testes diagnósticos de estilo verossimilhança.

• Arquitetura: O modelo emprega uma estrutura de duplo codificador dentro de um espaço latente compartilhado $Z$:
  • Encoder 1: Comprime os espectros de potência de CMB de entrada em uma representação latente de dimensão $L$, $z_1$.
  • Encoder 2: Mapeia os parâmetros cosmológicos associados $\theta$ (os seis parâmetros centrais do $\Lambda$CDM: $h, \Omega_b h^2, \Omega_c h^2, \tau, \ln(10^{10}A_s), n_s$) em uma representação latente separada de dimensão $L$, $z_2$.
  • Decoder: Reconstrói os espectros de potência a partir de amostras extraídas no espaço latente compartilhado.
• Objetivo de Treinamento: A rede é treinada para minimizar uma função de perda composta por:
  1. Perda de Reconstrução: Perda de Huber entre os espectros de entrada e reconstruídos.
  2. Regularização KL: Um termo de divergência KL ponderado por $\beta$ para garantir uma distribuição latente suave.
  3. Penalidade de Alinhamento Latente: Um termo de Kullback-Leibler Simétrico (SKL) que incentiva o alinhamento da distribuição derivada dos dados $q_\phi(z_1|x)$ e da distribuição derivada dos parâmetros $q_\psi(z_2|\theta)$. Isso impõe uma correspondência rastreável entre o espaço latente e a teoria física.
• Geração de Dados: Os dados de treinamento são gerados usando CAMB sob um modelo $\Lambda$CDM plano, aumentados com incertezas observacionais semelhantes às do Planck 2018 (ruído gaussiano adicionado por bin). O conjunto de dados inclui 1 milhão de espectros para treinamento, com subconjuntos específicos projetados para interpolação, extrapolação controlada e testes além do suporte de treinamento (ex: variando $N_{eff}$, $\Omega_k$ e massas de neutrinos).

Principais Contribuições

1. Compressão Latente Compacta: O estudo quantifica que uma dimensionalidade latente de $L=5$ é suficiente para reconstruir espectros de temperatura e polarização com alta fidelidade, mesmo na presença de ruído realista semelhante ao do Planck.
2. Generalização e Verificações de Espaço de Representação: O CVAE demonstra generalização robusta além do suporte de treinamento, incluindo extrapolações de parâmetros controladas (ex: $\tau$) e extensões para modelos não-planos de $\Lambda$CDM e modelos de energia escura dinâmica. Ele fornece alta similaridade de reconstrução direcional e permite diagnósticos de discriminação no espaço de representação.
3. Codificação Física Distribuída: O espaço latente aprendido exibe uma organização distribuída e parcialmente estruturada. Parâmetros cosmológicos individuais não são mapeados para dimensões latentes únicas, mas abrangem múltiplas dimensões, refletindo as degenerescências e correlações intrínsecas nos observáveis de CMB (ex: a degenerescência $A_s e^{-2\tau}$).
4. Surrogate Diagnóstico Rápido: Ao alinhar latentes condicionais com parâmetros, o decoder atua como um substituto (surrogate) rápido de espectro. Isso permite testes diagnósticos de MCMC com reduções substanciais no tempo de execução.

Resultos

• Fidelidade de Reconstrução: Para 1.000 espectros de teste de Hipercubo Latino, o CVAE $L=5$ fiducial alcança uma similaridade de cosseno ponderada pela covariância de $M = 0.999981 \pm 1.9 \times 10^{-5}$ e uma estatística de resíduo de covariância total mediana de $\Delta\chi^2/N_{bin} = 1.81$. Aumentar $L$ além de 5 não produz melhoria estatisticamente significativa.
• Estabilidade de Extrapolação: Diferente dos VAEs incondicionais, que exibem degradação oscilatória ao extrapolar além dos intervalos de treinamento (particularmente no espectro TE), o CVAE mantém estabilidade e pontuações de similaridade mais altas. Isso é atribuído ao condicionamento explícito nos parâmetros cosmológicos, que ajuda a organizar as relações não lineares entre parâmetros e espectros.
• Detecção de Anomalias: O espaço latente discrimina efetivamente entre espectros cosmológicos testados e uma referência fiducial. Para distinguir modelos $\Lambda$CDM não-planos ($\Omega_k \neq 0$) de modelos planos, a estatística de distância latente alcança uma Área Sob a Curva (AUC) de 1.000 no intervalo testado.
• Velocidade de Inferência de Parâmetros: Usar o decoder do CVAE como um substituto para o solver de Boltzmann em uma execução de MCMC (restrito a $D_\ell^{TT}$ para esta demonstração) reduziu o tempo de execução de ~40 horas em 16 núcleos de CPU para ~2 minutos em uma única GPU. Embora o posterior do substituto mostre um deslocamento de calibração devido a aproximações de treinamento (ex: covariância diagonal, deslocamento de $N_{eff}$), ele recupera com sucesso a escala ampla e a orientação de degenerescência dos resultados convencionais do CAMB.
• Interpretabilidade Física: Análises estatísticas usando Alinhamento de Núcleo Centrado (CKA) e Critério de Independência de Hilbert-Schmidt (HSIC) confirmam que o espaço latente codifica informações cosmológicas de maneira distribuída, com conexões estatísticas significativas entre as dimensões latentes e os parâmetros físicos.

Significância e Alegações
O artigo afirma que este framework de CVAE informado pela física suporta compressão interpretável, exploração diagnóstica rápida e aprendizado de representação sensível a anomalias além do $\Lambda$CDM padrão.

Os autores enfatizam que o modelo é projetado como uma ferramenta de diagnóstico e exploração, e não como um motor de inferência final e calibrado. O uso de uma aproximação de covariância diagonal durante o treinamento é uma escolha pragmática para a tratabilidade computacional, enquanto uma verificação de resíduo de covariância total separada valida a qualidade da reconstrução. O trabalho demonstra que abordagens orientadas a dados podem ser integradas com sucesso à estrutura física para criar substitutos eficientes para análise cosmológica, oferecendo uma rota unificada da reconstrução incondicional para a análise condicionada por parâmetros. Os autores declaram explicitamente que trabalhos futuros focarão na incorporação de matrizes de covariância não-diagonais completas diretamente no objetivo de treinamento para aumentar ainda mais a aplicabilidade a cenários de dados reais.