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

Resumo Técnico de cloelib: Uma Biblioteca Python Flexível para o Cálculo de Observáveis Cosmológicos na Era do Euclid

Declaração do Problema
O campo da cosmologia observacional está entrando em uma era de precisão impulsionada por levantamentos de galáxias de Fase IV, incluindo a missão Euclid da Agência Espacial Europeia, o DESI, o Observatório Vera C. Rubin e o Telescópio Espacial Nancy Grace Roman. Essas missões geram conjuntos de dados vastos que exigem previsões teóricas que sejam tanto precisas quanto computacionalmente eficientes para restringir modelos cosmológicos. Embora frameworks existentes (por exemplo, CCL, CosmoSIS, CAMB, CLASS) forneçam ferramentas robustas, eles frequentemente carecem da flexibilidade para integrar componentes pré-existentes diversos de forma transparente ou para explorar modelos teóricos amplos juntamente com efeitos sistemáticos abrangentes. Especificamente, o software CLOE original (Cosmology Likelihood for Observables in Euclid), embora central para as análises do Euclid, sofreu de limitações estruturais: estendê-lo para novos observáveis ou escolhas de modelagem exigia modificações intrusivas, levando a dívida técnica e reduzindo a manutenibilidade. Além disso, o framework não foi originalmente projetado para suportar o desenvolvimento independente e a integração de novos modelos teóricos ou sistemáticos dentro de um pipeline unificado, nem suportava nativamente técnicas modernas de inferência baseadas em gradientes.

Metodologia e Design de Software
O cloelib é uma biblioteca totalmente Pythonic projetada para operacionalizar a flexibilidade e a eficiência necessárias para a inferência cosmológica moderna. Ele representa uma evolução estrutural do software CLOE, introduzindo uma arquitetura modular baseada em protocolos Python (PEP 544) para impor uma abordagem de "plug-and-play".

A biblioteca organiza a funcionalidade em quatro camadas distintas:

1. Fundos Cosmológicos: Tratamento da história de expansão e distâncias.
2. Teoria das Perturbações: Gerenciamento de espectros de potência da matéria lineares e não lineares.
3. Observáveis: Cálculo de cisalhamento cósmico, aglomeramento fotométrico/espectroscópico e lenteamento da CMB.
4. Estatísticas de Resumo: Geração de espectros de potência angulares, funções de correlação e multipolos de Legendre.

Características técnicas principais incluem:

• Interfaces Baseadas em Protocolos: Os componentes interagem através de interfaces bem definidas (por exemplo, Background, Perturbations, Tracer, SpectroPower) em vez de hierarquias rígidas de herança. Isso permite que pesquisadores alternem entre diferentes backends teóricos (por exemplo, solucionadores de Boltzmann como CAMB e CLASS, ou emuladores como CosmoPower, BACCOemu e EuclidEmulator2) sem modificar o pipeline de análise.
• Integração com JAX: Uma característica central é a integração nativa com o JAX, permitindo diferenciação automática, computação eficiente baseada em gradientes e compilação just-in-time (JIT). Isso transforma pipelines convencionais em programas totalmente diferenciáveis, facilitando métodos avançados de inferência, como Monte Carlo Hamiltoniano e modelagem baseada em redes neurais.
• Modelagem de Sistemáticos: A biblioteca inclui implementações para sistemáticos específicos da pesquisa, como correções de Alcock–Paczynski, calibração de redshift fotométrico e de cisalhamento, e pureza espectroscópica.
• Otimização de Desempenho: Seções críticas utilizam compilação JIT, e um sistema de cache evita avaliações redundantes. A biblioteca suporta tanto teorias de perturbação lineares quanto não lineares, fazendo interface com emuladores de última geração (por exemplo, HMCode2020Emu, FlamingoBaryonResponseEmulator) e códigos espectroscópicos (PBJ, comet-emu).

Contribuições e Capacidades Principais

• Interface Unificada: O cloelib é o primeiro código de estrutura em grande escala a implementar uma interface unificada para múltiplos códigos cosmológicos usando protocolos Python, permitindo a comparação transparente de diferentes implementações teóricas dentro de uma configuração consistente.
• Cosmologia Diferenciável: Ao aproveitar o JAX, a biblioteca permite o treinamento de emuladores de redes neurais e o uso de amostradores baseados em gradientes, que são frequentemente difíceis de implementar eficientemente em frameworks tradicionais.
• Análise de Ponta a Ponta: Integrado ao módulo de verossimilhança companheiro cloelike, a biblioteca suporta toda a cadeia, desde o cálculo de observáveis até a avaliação da verossimilhança e amostragem posterior para parâmetros.
• Extensibilidade Modular: O uso de mixins e protocolos Python permite que os usuários estendam a funcionalidade (por exemplo, adicionando efeitos bariônicos) sem alterar implementações subjacentes.

Resultados e Desempenho
O artigo relata benchmarks de desempenho computacional em um chip Apple M4:

• Inicialização: A inicialização das classes de rastro de cisalhamento e posição leva aproximadamente 0,4 segundos; chamadas subsequentes são efetivamente instantâneas devido ao cache.
• Sondas Fotométricas: O cálculo de espectros de potência angulares para uma análise 3x2-pt (3000 multipolos, 512 valores de k, 500 redshifts, 6 bins) usando a aproximação de Limber leva aproximadamente 0,06 segundos por chamada após uma fase de inicialização de um segundo. Para uma configuração semelhante ao Euclid com 13 bins (351 espectros), o tempo é de aproximadamente 0,1 segundos por chamada.
• Sondas Espectroscópicas: O cálculo de multipolos de Legendre espectroscópicos de forma completa para um único bin de redshift leva aproximadamente 3 milissegundos.
• Comparação: Esses resultados representam uma aceleração significativa em comparação com o antigo software CLOE, mantendo precisão no nível percentual através do uso de emuladores de última geração.

Significado
O artigo posiciona o cloelib como a infraestrutura de referência para cálculo teórico para a primeira liberação cosmológica do Euclid. Seu significado reside em fazer a ponte entre a cosmologia numérica tradicional e técnicas modernas de otimização e abordagens emergentes de aprendizado de máquina. Ao fornecer uma plataforma flexível, extensível e diferenciável, o cloelib aborda as limitações estruturais de ferramentas anteriores, permitindo análises estatísticas mais rápidas e simplificadas. Ele foi projetado para atender às demandas da próxima geração de experimentos de cosmologia de precisão, facilitando estudos sistemáticos, comparações de modelos e validação cruzada robusta de resultados cosmológicos dentro do Consórcio Euclid e da comunidade mais ampla.