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

技术摘要：用于宇宙学 21 厘米光锥模拟的三维条件扩散模型

问题陈述
来自中性氢的红移 21 厘米信号是探测宇宙黎明和再电离时期（EoR）的关键探针。解读 HERA 和 SKA 等设施的未来成像数据，需要在广泛的天体物理参数空间内具备快速且物理可靠的正向模型。尽管半数值模拟（如 21cmFAST）是标准方法，但它们在进行大规模参数扫描或基于模拟的推断时计算成本高昂。机器学习模拟器，特别是生成模型，提供了解决方案。然而，将这些模型从二维图像切片扩展到完整的三维光锥引入了重大挑战。增加第三个维度（视线深度）极大地增加了内存成本，迫使使用极小的微批次，从而放大了优化噪声。此外，21 厘米亮温度的底层体素分布高度偏斜且呈长尾分布，这使得变换空间畸变和动态范围控制对于稳定训练和物理保真度至关重要。

方法论
作者利用由 21cmFAST 生成的 25,600 个训练光锥数据集，研究了用于三维 21 厘米光锥模拟的条件扩散建模。

• 数据与条件设定：目标场为 $64 \times 64 \times 1024$ 的体素立方体，跨越红移范围 $z \in [7.51, 20.95]$。模型以两个天体物理参数为条件：晕的最小维里温度（$\log_{10} T_{\text{vir}}$）和电离效率（$\zeta$）。
• 架构：采用上下文条件 U-Net，利用各向异性的下采样/上采样步长 $(2, 2, 4)$ 以适应拉长的光锥几何结构。模型使用 128 个基础通道，通道倍数为 $(1, 1, 2, 4)$，并集成了时间步和条件嵌入。
• 预处理流程：本研究的核心焦点是预处理流程，定义为：$x_{\text{raw}} \to \text{主变换} \to \text{可选压缩} \to \text{扩散} \to \text{逆压缩} \to \text{逆变换}$。作者比较了四种主归一化变换（Yeo–Johnson、Min–Max、Z-score、Arcsinh）以及一个可选的动态范围压缩步骤（"squish"）。
• 验证设计：本研究在五个不同的参考参数集上，对每个参数点使用 800 个独立实现进行验证。该设计测试了目标分布的中心趋势和条件多样性。
• 评估指标：生成的样本使用分层诊断进行评估：
  1. 亮温度（$T_b$）图像切片（定性）。
  2. 全局信号 $\langle T_b \rangle$ 与红移的关系（平均演化）。
  3. 功率谱（两点空间结构）。
  4. 约化散射系数（高阶非高斯形态）。
     性能使用标准差归一化的平均绝对误差（$\text{MAE}_{\text{std}}$）作为主要排名指标进行量化。

主要贡献与结果

• 预处理的主导作用：研究确定，在三维设置中，预处理和动态范围控制是决定训练稳定性和物理保真度的主导因素，一旦优化稳定，其重要性超过架构深度或训练时长。
• 最优配置：在测试的配置中，Yeo–Johnson 预处理结合中等幅度压缩（$A=0.1$） 产生了最一致有利的权衡。该配置优于 Min–Max、Z-score 和 Arcsinh 变换，以及无幅度压缩的配置。
• 保真度层级：模拟成功遵循清晰的层级：
  • 全局信号：模型实现了最强的吻合度，准确捕捉了吸收谷的时机和深度。
  • 功率谱：吻合度较弱，特别是在高-$k$模式（小尺度）处，模型难以重现锐利的边界。
  • 散射系数：高阶非高斯形态仍是最难匹配的。虽然模型捕捉到了广泛的结构模式，但在多尺度形态中仍存在可测量的偏差。
• 失效模式：主要限制在于模型无法完美重现 21cmFAST 中发现的尖锐集中、接近零的体素群体。扩散模型倾向于展宽这一峰值，导致视觉上黑暗的区域出现“更平滑”的电离区和微小的非零像素。这种平滑化表现为小尺度功率谱中的残差失配以及高阶统计量中的差异。
• 超参数敏感性：增加模型深度（残差块）并未带来单调的改进；事实上，最浅的模型（1 个残差块）优于更深的变体，这可能是由于三维中小微批次引起的噪声优化动力学所致。

意义与主张
作者将这项工作定位为三维 21 厘米模拟的模拟级基线，而非直接适用于巡测数据的完整端到端推断流程。

• 方法论见解：本文认为，在高维机制中，稳定生成主要取决于预处理和动态范围控制。仅凭视觉合理性是不够的；需要形态敏感的诊断（如散射系数）来检测低阶摘要可能遗漏的偏差。
• 范围：本研究是在训练参数空间内的插值测试。它尚未解决面向巡测的挑战，如仪器响应、前景污染或参数估计的不确定性校准。
• 未来效用：确定的最优配置（Yeo–Johnson + $A=0.1$）为未来旨在纳入真实观测效应或执行基于模拟推断的研究提供了稳健的起点，前提是承认关于小尺度形态的局限性。