CMBolic: Symbolic emulators for the Cosmic Microwave Background. I. Lensing

Resumo Técnico: CMBolic: Emuladores Simbólicos para o Fundo Cósmico de Micro-ondas (I. Lensing)

Declaração do Problema
A estimativa de parâmetros cosmológicos utilizando dados do Fundo Cósmico de Micro-ondas (CMB), particularmente de experimentos de Próxima Geração (Stage 4), requer a avaliação de espectros de potência teóricos milhões de vezes dentro de estruturas de Monte Carlo via Cadeias de Markov (MCMC). Solvers de Einstein-Boltzmann padrão, como o CLASS ou CAMB, embora precisos, são computacionalmente caros, muitas vezes exigindo dias ou semanas para convergir em modelos cosmológicos estendidos. Embora emuladores de redes neurais (NN) tenham sido desenvolvidos para acelerar esse processo, eles frequentemente funcionam como "caixas pretas", exigem ambientes de software específicos (ex: TensorFlow, PyTorch) e frequentemente carecem de um framework unificado para espaços de parâmetros estendidos conjuntos (especificamente combinando energia escura dinâmica e neutrinos massivos). Além disso, abordagens de NN existentes podem não oferecer o mesmo nível de portabilidade ou diferenciabilidade analítica que expressões matemáticas de forma fechada.

Metodologia
Os autores apresentam o CMBolic, um conjunto de emuladores simbólicos para observáveis do CMB. Esta primeira instalação foca no espectro de potência do potencial de lensing do CMB, $C^{\phi\phi}_\ell$, dentro de um modelo $\Lambda$CDM estendido que inclui a parametrização de Chevallier-Polarski-Linder (CPL) para energia escura dinâmica ($w_0, w_a$) e a soma das massas de neutrinos ($\Sigma m_\nu$).

• Regressão Simbólica (SR): Em vez de usar NNs, os autores empregam SR para descobrir funções analíticas explícitas que se ajustam aos dados. Eles utilizam o Operon, um código de programação genética (GP) baseado em representação de árvore linear, que permite a evolução eficiente de expressões matemáticas.
• Geração de Dataset: Os dados de treinamento foram gerados usando o CLASS v3.3.0 com configurações de precisão inspiradas no ACT DR6 e a prescrição de espectro de potência de matéria não linear HMcode 2020. Uma amostragem de Hipercubo Latino (LH) foi realizada sobre um espaço de parâmetros pragmático cobrindo as restrições atuais e os priors futuros (Tabela 1). O dataset incluiu 150 cosmologias, com espectros avaliados em 500 multipolos espaçados logaritmicamente ($2 \le \ell \le 5500$) por cosmologia, resultando em 75.000 pontos de treinamento.
• Alvo e Otimização: O emulador visa a quantidade $\log[10 \ell(\ell+1)C^{\phi\phi}_\ell / (2\pi A_s)]$. A otimização foi um problema multiobjetivo equilibrando complexidade (tamanho da árvore) e Erro Quadrático Médio (RMSE). Os autores fatoraram explicitamente a amplitude primordial $A_s$, tratando a dependência restante como uma função de outros parâmetros.
• Pós-processamento: Para garantir a plausibilidade física e reduzir a complexidade, os autores simplificaram manualmente as melhores expressões ao remover termos negligenciáveis, arredondar coeficientes e verificar se os fatores trigonométricos atuavam como correções de curvatura suaves em vez de oscilações rápidas.

Principais Contribuições

1. Emulador Estendido Unificado: O CMBolic é o primeiro emulador simbólico único cobrindo o espaço de parâmetros estendido conjunto de $\{w_0, w_a, \Sigma m_\nu\}$ para o lensing do CMB. Emuladores anteriores frequentemente tratavam essas extensões separadamente ou dependiam de famílias modulares de NN.
2. Forma Analítica: O emulador resultante é uma expressão simbólica de forma fechada contendo apenas 45 coeficientes ajustados. Ele depende de operações matemáticas padrão (log, cos, raízes quadradas, quocientes analíticos) e não requer bibliotecas externas de aprendizado de máquina.
3. Portabilidade e Diferenciabilidade: A natureza analítica do emulador permite sua integração perfeita em qualquer linguagem de programação (C++, Fortran, Python) e possibilita o uso de métodos de inferência baseados em gradiente (ex: Hamiltonian Monte Carlo) sem depender de aproximações de diferença finita.
4. Validação: O emulador foi rigorosamente testado contra conjuntos de validação independentes e comparado com o código de Boltzmann CLASS em um pipeline de inferência Bayesiana completo usando likelihoods de lensing reais de ACT DR6 + Planck.

Resultos

• Precisão: Em espectros de validação independentes ($2 \le \ell \le 5500$), o CMBolic atinge erros absolutos fracionários médios de 0,27% no subespaço padrão $\Lambda$CDM e 0,32% em todo o espaço de parâmetros estendido. Esses erros estão bem abaixo do alvo de 1% motivado pelas previsões de ruído do Stage 4 e são significativamente menores do que as discrepâncias decorrentes de diferentes prescrições de espectro de potência de matéria não linear (ex: HMcode 2020 vs. Halofit).
• Concordância de Inferência: Quando usado no Cobaya para análise MCMC com dados de lensing apenas de ACT DR6 + Planck, as distribuições posteriores obtidas com o CMBolic mostram excelente concordância com as do CLASS.
  • A sobreposição da posterior unidimensional é $>0,98$ para todos os parâmetros.
  • O deslocamento máximo nas médias das posteriores é de apenas $0,038\sigma_{CLASS}$.
  • As restrições sobre a massa de neutrinos ($\Sigma m_\nu < 0,286$ eV) são idênticas entre os dois métodos na precisão relevante.
• Velocidade Computacional: Substituir o CLASS pelo CMBolic em uma execução de inferência estendida completa reduziu o tempo de execução de mais de 2 semanas para 164 segundos (um fator de aceleração de $>7,4 \times 10^3$) no mesmo hardware. Uma aceleração de velocidade de avaliação de espectro único de $2,1 \times 10^5$ (sem otimizações de fast-math) também foi demonstrada.

Significância e Alegações
O artigo afirma que o CMBolic fornece uma alternativa prática e de alta precisão tanto para os lentos códigos de Boltzmann quanto para os complexos emuladores de redes neurais. Sua principal significância reside na combinação de precisão relevante para o Stage-4, portabilidade (sem dependência de frameworks de ML) e diferenciabilidade. Os autores enfatizam que, embora a velocidade bruta seja um benefício, a capacidade de realizar inferência rápida e portátil sobre um espaço de parâmetros cosmológicos estendidos conjunto com uma única e compacta expressão simbólica é a vantagem distinta.

Os autores permanecem modestos quanto ao escopo, observando que o emulador é válido estritamente dentro dos intervalos de parâmetros e de multipolos treinados ($2 \le \ell \le 5500$) e depende da prescrição específica HMcode 2020 utilizada no treinamento. Eles afirmam que mudanças nas prescrições não lineares, modelos de feedback bariônico ou priors significativamente mais amplos exigiriam o retreinamento ou fatores de correção dedicados. Este trabalho serve como a primeira instalação da série CMBolic, com os espectros de temperatura e polarização reservados para publicações futuras.