What an Amortized X-ray Posterior Cannot See: Gain Shifts, Silent Miscalibration, and Where Nested Sampling Still Earns Its Cost

Resumo Técnico: O que um Posterior de Raios X Amortizado Não Consegue Ver

Definição do Problema
A Estimativa de Posterior Neural (NPE) oferece uma vantagem significativa de velocidade para o ajuste espectral de raios X, reduzindo o tempo de inferência de minutos (exigidos pelo nested sampling tradicional em verossimilhanças de Poisson exatas) para milissegundos. No entanto, essa velocidade vem com a ausência de garantias intrínsecas: os fluxos amortizados carecem de calibração inerente (garantir que intervalos de credibilidade tenham cobertura nominal) e carecem de mecanismos intrínsecos para verificar se o modelo que gera as simulações de treinamento realmente descreve o espectro observado. Embora a literatura mais ampla de Inferência Baseada em Simulação (SBI) tenha desenvolvido diagnósticos para esses problemas, o desempenho deles em espectros de raios X reais — caracterizados por respostas instrumentais específicas, ruído de Poisson em regimes de baixas contagens e degenerações espectrais — ainda não havia sido testado.

Metodologia
Os autores realizaram o primeiro benchmark de diagnósticos de confiança de SBI em espectros de raios X usando uma única resposta instrumental real: a observação do XMM-Newton EPIC-pn de NGC7793_ULX4_PN.

• Modelo e Dados: Um modelo de contínuo absorvido de cinco parâmetros ($t_{\text{abs}} \cdot (\text{powerlaw} + \text{blackbody})$) foi treinado usando um Fluxo Normalizante (NSF) com um embedding de CNN 1-D. O treinamento foi realizado em três regimes de contagem ($\sim$100, 1000 e 10000 contagens).
• Famílias de Misspecification (Erro de Especificação): Quatro famílias de erros de modelo foram introduzidas para testar as capacidades de detecção:
  1. B1: Uma linha Gaussiana estreita de 6,4 keV (Fe-K) não modelada.
  2. B2: Substituir o absorvedor por um modelo de cobertura parcial ($Tbpcf$).
  3. B3: Trocar o contínuo de lei de potência por uma emissividade de bremsstrahlung térmica.
  4. B4: Um deslocamento de ganho do detector (redimensionamento da grade de energia).
• Diagnósticos: Três detectores foram avaliados:
  • D1: Um teste preditivo-posterior por espectro ($\chi^2$ e Kolmogorov–KS em contagens cumulativas).
  • D2: Uma distância de out-of-distribution de embedding por espectro.
  • D3: Um estatístico de separabilidade de população supervisionado (teste de duas amostras de classificador marginal).
• Referência: O nested sampling (UltraNest) na verossimilhança de Poisson exata serviu como a verdade fundamental para calibração e cálculo de evidência.

Resultados Principais

1. Capacidades de Detecção:

   • Linhas Não Modeladas (B1): O teste preditivo-posterior (D1) detectou com sucesso a linha de 6,4 keV com alta precisão (ROC AUC 0.97) em níveis de contagem médio e alto. Linhas omitidas causaram viés significativo no índice de fótons ($\Gamma$), deslocando-o em +0,20 em contagens altas.
   • Cobertura Parcial (B2): O detector de embedding (D2) superou o D1, detectando distorções globais no contínuo com AUCs subindo de 0,67 para 0,84 conforme as contagens aumentavam.
   • Família de Contínuo Incorreta (B3): Detectores por espectro (D1, D2) falharam em detectar esta misspecification (AUC $\approx$ 0,5), pois o modelo absorveu o erro em outros parâmetros. Apenas o estatístico de população (D3) mostrou separação significativa.
   • Deslocamentos de Ganho (B4): Crucialmente, nenhum dos três detectores por espectro sinalizou um deslocamento de ganho do detector de 3%. Todas as 36 células de teste para esta família orbitaram o acaso (AUC $\approx$ 0,50). O deslocamento de ganho preserva a forma espectral, permitindo que a NPE dobre o erro nos parâmetros do contínuo, tornando-o invisível para testes de espaço de resumo.

2. Calibração e Miscalibração:

   • Um fluxo de produção passou em todos os testes de recuperação (alta correlação com a verdade, encolhimento monotônico de intervalos), mas estava severamente descalibrado, exibindo excesso de confiança com um desvio médio de cobertura de 0,113.
   • A calibração baseada em simulação (SBC) e os histogramas de ranking identificaram o problema. A causa raiz foi rastreada a um artefato de treinamento de fluxo único (subtreinamento e semente específica), não ao regime de contagem.
   • A recalibração split-conformal reparou com sucesso a cobertura marginal, reduzindo o desvio de 0,113 para 0,026.

3. O Papel do Nested Sampling:

   • O nested sampling foi $\sim$9.000–13.000$\times$ mais lento que a NPE.
   • No entanto, a evidência bayesiana do nested sampling ($\Delta \log Z$) sinalizou com sucesso o deslocamento de ganho (B4) em contagens médias ($\Delta \log Z \approx -7,8$), um caso onde todos os detectores rápidos por espectro falharam.
   • Para misspecifications óbvias (como a linha Fe-K), tanto a evidência quanto o teste preditivo-posterior concordaram.

Significância e Alegações
O artigo argumenta que, embora a NPE amortizada forneça uma enorme aceleração para o ajuste espectral de raios X, ela não pode substituir a necessidade de validação.

• Recuperação $\neq$ Calibração: Métricas de recuperação altas não certificam que um posterior está bem calibrado; SBC e testes de cobertura são verificações de pré-implantação necessárias.
• Pontos Cegos: Pontuações de confiança rápidas por espectro são cegas a certas misspecifications sutis, especificamente deslocamentos de ganho de detector e famílias de contínuo incorretas, porque esses erros podem ser absorvidos pelos parâmetros do modelo sem alterar os estatísticos de resumo usados pelos detectores.
• O Custo da Confiança: O nested sampling, apesar de seu custo computacional, fornece informação única (via evidência bayesiana) sobre a misspecification do modelo que as pontuações rápidas por espectro perdem. Os autores concluem que uma verificação baseada em evidência deve permanecer "no ciclo" (in the loop) junto aos posteriors rápidos para garantir uma inferência científica robusta.

Limitações
Os resultados são específicos para a resposta XMM-Newton EPIC-pn utilizada. O estudo utilizou NPE amortizada de rodada única sem refinamento de proposta sequencial, o que limita a eficácia da amostragem de importância em contagens altas. O resultado do deslocamento de ganho é restrito aos três detectores testados; outras arquiteturas de detectores podem detectar tais deslocamentos.