Learning the Universe with cosmological rescaling of merger trees and semi-analytic galaxy formation models

Resumo Técnico: Aprendendo o Universo com o redimensionamento cosmológico de árvores de fusão e modelos semianalíticos de formação de galáxias

Definição do Problema
A cosmologia moderna depende de medições de precisão de levantamentos de estrutura em grande escala, o que exige previsões teóricas precisas através de uma ampla gama de parâmetros cosmológicos e astrofísicos. Embora as simulações hidrodinâmicas cosmológicas (ex: Horizon-AGN, IllustrisTNG, FLAMINGO) sejam o padrão ouro para modelar a formação de galáxias, elas são proibitivamente caras para a amostragem densa do espaço de parâmetros exigida por métodos de inferência baseados em aprendizado de máquina. Os modelos semianalíticos (SAMs) oferecem uma alternativa fisicamente fundamentada e computacionalmente mais barata, evoluindo bárions ao longo de árvores de fusão de halos de matéria escura em vez de resolver a hidrodinâmica diretamente. No entanto, mesmo os SAMs requerem simulações $N$-body subjacentes para gerar essas árvores de fusão. Executar as centenas ou milhares de simulações $N$-body necessárias para uma inferência cosmológica robusta permanece computacionalmente proibitivo.

Metodologia
Este trabalho estende o formalismo de redimensionamento cosmológico (Angulo & White 2010) para operar diretamente em árvores de fusão de halos em vez de instantâneos (snapshots) de partículas ou catálogos de halos. Os autores utilizam a suíte CAMELS-SAM, que acopla simulações $N$-body com o Modelo Semianalítico de Santa Cruz (SC-SAM).

O algoritmo central envolve:

1. Redimensionamento ao Nível da Árvore: Em vez de redimensionar partículas e rodar buscadores de halos (halo finders), o método redimensiona as propriedades dos nós dentro de árvores de fusão existentes. A morfologia da árvore (ligação entre progenitores e descendentes) é preservada, enquanto as propriedades do halo são transformadas para corresponder a uma cosmologia alvo ($\Lambda'$) a partir de uma cosmologia original ($\Lambda$).
2. Correção Baseada em NFW: Uma nova correção é introduzida para suprimir o viés sistemático nas massas de halos redimensionadas, particularmente ao variar $\Omega_m$ e $\sigma_8$. Esta correção modifica o redimensionamento dos parâmetros do perfil de densidade NFW ($\rho_0$ e $R_s$) usando um parâmetro livre $\alpha$ e um fator de escala $A_{scale}$ derivado do limiar de sobredensidade viral.
3. Interpolação Temporal: Como a suíte CAMELS-SAM carece de snapshots para $z < 0$, o redimensionamento para $\sigma_8$ ou $\Omega_m$ menores (onde a formação de estruturas é mais lenta) requer o mapeamento do snapshot de $z=0$ da simulação original para um redshift futuro na cosmologia alvo. O método interpola linearmente as propriedades do halo entre os dois snapshots que a cercam para obter valores precisos em $z=0$.
4. Reavaliação do SAM: As árvores de fusão redimensionadas são processadas através do SC-SAM para gerar novas populações de galáxias. Isso permite a geração de estatísticas de galáxias através de novos parâmetros cosmológicos e astrofísicos com um custo adicional desprezível em comparação com a execução de novas simulações $N$-body.

Principais Contribuições

1. Extensão para Árvores de Fusão: Os autores demonstram que o redimensionamento cosmológico pode ser aplicado diretamente a árvores de fusão, contornando as etapas caras de busca de halos e construção de árvores exigidas pelo redimensionamento ao nível de partícula.
2. Supressão de Viés: A introdução da correção baseada em NFW (controlada por um único parâmetro $\alpha$) reduz o viés sistemático nas massas de halos redimensionadas para abaixo de um nível percentual para variações em $\Omega_m$ e $\sigma_8$.
3. Validação: O método é validado contra simulações $N$-body diretas com condições iniciais idênticas, mas cosmologias diferentes. O redimensionamento reproduz com precisão as propriedades individuais dos halos (massa, concentração, spin) e as propriedades das galáxias (massa estelar, taxa de formação estelar) sem viés sistemático significativo.
4. Eficiência de Estimativa de Parâmetros: Os autores aplicam o método para treinar estimadores de redes neurais para $\Omega_m$ e $\sigma_8$ usando a Função de Massa Estelar (SMF) e a função de correlação de dois pontos (2PCF).

Resultos

• Precisão: Árvores de fusão redimensionadas produzem populações de galáxias que igualam a precisão de simulações diretas. O viés nas massas de halos redimensionadas é suprimido de $\sim 11\%$ (sem correção) para $< 0,25\%$. O espalhamento nas previsões de massa estelar das árvores redimensionadas é comparável ao espalhamento introduzido pela variação da semente aleatória no modelo de órbita de satélite do SC-SAM.
• Eficiência Computacional: O redimensionamento de todas as árvores de fusão de uma única simulação $N$-body do CAMELS-SAM custa $\sim 0,1$ CPUh, comparado aos vários milhares de CPUh necessários para rodar a própria simulação.
• Redução do Conjunto de Treinamento:
  • Um conjunto de treinamento de 1.000 simulações redimensionadas geradas a partir de apenas 64 simulações $N$-body base iguala a precisão de estimativa de parâmetros (RMSE) de um modelo treinado em 750 simulações $N$-body dedicadas.
  • Aumentar o número de realizações redimensionadas para 3.200 (de 750 simulações base) melhora a previsão de $\Omega_m$ em $\sim 25\%$ comparado ao treinamento apenas nas 750 simulações base.
  • Para a SMF, o desempenho é dominado pelo erro de redimensionamento, que é minimizado com simulações base suficientes. Para a 2PCF, o desempenho é mais sensível ao número de fases independentes de condições iniciais (variância cósmica), saturando após $\sim 16$ fases únicas.

Significância e Alegações
O artigo afirma demonstrar uma rota prática para obter previsões de estatísticas de resumo de galáxias através de parâmetros cosmológicos e astrofísicos sem o fardo computacional de rodar vastas suítes de simulações $N$-body. Ao combinar o redimensionamento de árvores de fusão com modelagem semianalítica, os autores mostram que é possível gerar grandes e diversas amostras de treinamento para inferência de aprendizado de máquina com uma fração do custo computacional.

Os autores enfatizam que esta abordagem atua como um "esquema de interpolação informado pela física", permitindo a amostragem densa do espaço de parâmetros necessária para a inferência cosmológica moderna. Eles observam que, embora os resultados atuais sejam modestos em relação aos observáveis específicos (SMF e 2PCF) e à suíte CAMELS-SAM, o método oferece uma solução escalável para futuros levantamentos (ex: DESI, Euclid, Rubin) que exigem a modelagem de volumes maiores e espaços de parâmetros mais complexos. O trabalho sugere que futuras suítes poderiam ser otimizadas especificamente para a eficiência de redimensionamento, potencialmente reduzindo ainda mais o número de simulações base necessárias.