Three-dimensional Conditional Diffusion Models for Cosmological 21 cm Lightcone Emulation

Resumo Técnico: Modelos de Difusão Condicionais Tridimensionais para Emulação de Cone de Luz 21 cm Cosmológico

Declaração do Problema
O sinal 21 cm desviado para o vermelho proveniente do hidrogênio neutro é uma sonda crítica do Amanhecer Cósmico e da Época de Reionização (EoR). A interpretação de futuros dados de imageamento de instalações como HERA e SKA exige modelos forward rápidos e fisicamente confiáveis em amplos espaços de parâmetros astrofísicos. Embora simulações semi-numéricas como o 21cmFAST sejam padrão, elas são computacionalmente caras para varreduras de parâmetros em grande escala ou inferência baseada em simulação. Emuladores de aprendizado de máquina, particularmente modelos generativos, oferecem uma solução. No entanto, estender esses modelos de fatias de imagem 2D para cones de luz 3D completos introduz desafios significativos. A adição de uma terceira dimensão (profundidade na linha de visão) aumenta drasticamente os custos de memória, forçando micro-lotes muito pequenos que amplificam o ruído de otimização. Além disso, a distribuição subjacente de voxels das temperaturas de brilho 21 cm é altamente enviesada e de cauda longa, tornando as distorções no espaço de transformada e o controle de faixa dinâmica críticos para treinamento estável e fidelidade física.

Metodologia
Os autores investigam a modelagem de difusão condicional para emulação de cone de luz 21 cm 3D usando um conjunto de dados de 25.600 cones de luz de treinamento gerados pelo 21cmFAST.

• Dados e Condicionamento: Os campos alvo são cubos de voxels de $64 \times 64 \times 1024$ abrangendo uma faixa de desvio para o vermelho de $z \in [7.51, 20.95]$. Os modelos são condicionados a dois parâmetros astrofísicos: a temperatura virial mínima de halos ($\log_{10} T_{\text{vir}}$) e a eficiência de ionização ($\zeta$).
• Arquitetura: Uma U-Net condicionada por contexto é empregada, utilizando passos de subamostragem/supersamostragem anisotrópicos de $(2, 2, 4)$ para acomodar a geometria alongada do cone de luz. O modelo utiliza 128 canais base com multiplicadores de canal $(1, 1, 2, 4)$ e incorpora embeddings de passo de tempo e condição.
• Pipeline de Pré-processamento: Um foco central do estudo é o pipeline de pré-processamento, definido como: $x_{\text{raw}} \to \text{transformada primária} \to \text{compressão opcional ("squish")} \to \text{difusão} \to \text{descompressão inversa} \to \text{transformada inversa}$. Os autores comparam quatro transformadas de normalização primárias (Yeo–Johnson, Min–Max, Z-score, Arcseno) e um passo opcional de compressão de faixa dinâmica ("squish").
• Design de Validação: O estudo utiliza 800 realizações independentes por ponto de parâmetro para validação em cinco conjuntos de parâmetros de referência distintos. Este design testa tanto a tendência central quanto a diversidade condicional da distribuição alvo.
• Métricas de Avaliação: Amostras geradas são avaliadas usando uma hierarquia de diagnósticos:
  1. Fatias de imagem de temperatura de brilho ($T_b$) (qualitativo).
  2. Sinal global $\langle T_b \rangle$ vs. desvio para o vermelho (evolução média).
  3. Espectro de potência (estrutura espacial de dois pontos).
  4. Coeficientes de espalhamento reduzidos (morfologia não gaussiana de ordem superior).
     O desempenho é quantificado usando o erro absoluto médio normalizado pelo desvio padrão ($\text{MAE}_{\text{std}}$) como métrica principal de classificação.

Contribuições e Resultados Principais

• Dominância do Pré-processamento: O estudo identifica o pré-processamento e o controle de faixa dinâmica como os fatores dominantes que governam a estabilidade do treinamento e a fidelidade física em configurações 3D, superando a profundidade arquitetônica ou a duração do treinamento uma vez que a otimização é estabilizada.
• Configuração Ótima: Entre as configurações testadas, pré-processamento Yeo–Johnson combinado com compressão de amplitude moderada ($A=0.1$) produz o compromisso mais consistentemente favorável. Esta configuração supera as transformadas Min–Max, Z-score e Arcseno, bem como configurações sem compressão de amplitude.
• Hierarquia de Fidelidade: O sucesso da emulação segue uma hierarquia clara:
  • Sinal Global: O modelo alcança o acordo mais forte, capturando com precisão o timing e a profundidade dos vales de absorção.
  • Espectro de Potência: O acordo é mais fraco, particularmente em modos de alto-$k$ (escalas pequenas), onde o modelo luta para reproduzir fronteiras nítidas.
  • Coeficientes de Espalhamento: A morfologia não gaussiana de ordem superior permanece a mais difícil de igualar. Embora o modelo capture padrões estruturais amplos, vieses mensuráveis persistem na morfologia multiescala.
• Modos de Falha: A limitação primária é a incapacidade do modelo de reproduzir perfeitamente a população de voxels altamente concentrada e próxima de zero encontrada no 21cmFAST. O modelo de difusão tende a alargar este pico, resultando em regiões ionizadas "mais suaves" e pixels pequenos não nulos em áreas visualmente escuras. Este alisamento manifesta-se como discrepâncias residuais no espectro de potência em escalas pequenas e em estatísticas de ordem superior.
• Sensibilidade a Hiperparâmetros: O aumento da profundidade do modelo (blocos residuais) não produziu melhorias monótonas; de fato, o modelo mais raso (1 bloco residual) superou variantes mais profundas, provavelmente devido à dinâmica de otimização ruidosa induzida por micro-lotes pequenos em 3D.

Significado e Alegações
Os autores posicionam este trabalho como uma linha de base ao nível de simulação para emulação 21 cm tridimensional, em vez de um pipeline completo de inferência ponta a ponta pronto para dados de levantamentos.

• Insight Metodológico: O artigo argumenta que, em regimes de alta dimensão, a geração estável depende principalmente do pré-processamento e do controle de faixa dinâmica. A plausibilidade visual por si só é insuficiente; diagnósticos sensíveis à morfologia (como coeficientes de espalhamento) são necessários para detectar vieses que resumos de ordem inferior poderiam ignorar.
• Escopo: O estudo é um teste de interpolação dentro do espaço de parâmetros de treinamento. Ainda não aborda desafios voltados para levantamentos, como resposta instrumental, contaminação por foreground ou calibração de incerteza para estimativa de parâmetros.
• Utilidade Futura: A configuração ótima identificada (Yeo–Johnson + $A=0.1$) fornece um ponto de partida robusto para estudos futuros que visam incorporar efeitos observacionais realistas ou realizar inferência baseada em simulação, desde que as limitações relacionadas à morfologia de pequena escala sejam reconhecidas.