[論文レビュー] A Multi-Fidelity Emulator for the Matter Power Spectrum using Gaussian Processes

Ming-Feng Ho, Simeon Bird+1 more|arXiv (Cornell University)|May 3, 2021

Gaussian Processes and Bayesian Inference参考文献 52被引用数 4

ひとこと要約

この論文は、低解像度および高解像度の宇宙論的 $N$-体シミュレーションを統合して物質パワースペクトルを高精度に予測する、マルチフェイリティなガウス過程エミュレータを導入する。3つの高精度シミュレーションと多数の低精度シミュレーションを活用することで、平均で約1%の精度を達成し、$k \leq 2 \,h\,\mathrm{Mpc}^{-1}$ において単一精度エミュレータを最大100倍も上回り、非線形スケールの予測効率を顕著に向上させる。

ABSTRACT

We present methods for emulating the matter power spectrum which effectively combine information from cosmological $N$-body simulations at different resolutions. An emulator allows estimation of simulation output by interpolating across the parameter space of a handful of simulations. We present the first implementation of multi-fidelity emulation in cosmology, where many low-resolution simulations are combined with a few high-resolution simulations to achieve an increased emulation accuracy. The power spectrum's dependence on cosmology is learned from the low-resolution simulations, which are in turn calibrated using high-resolution simulations. We show that our multi-fidelity emulator can achieve percent-level accuracy on average with only $3$ high-fidelity simulations and outperforms a single-fidelity emulator that uses $11$ simulations. With a fixed number of high-fidelity training simulations, we show that our multi-fidelity emulator is $\simeq 100$ times better than a single-fidelity emulator at $k \leq 2 \,h extrm{Mpc}{^{-1}}$, and $\simeq 20$ times better at $3 \leq k < 6.4 \,h extrm{Mpc}{^{-1}}$. Multi-fidelity emulation is fast to train, using only a simple modification to standard Gaussian processes. Our proposed emulator shows a new way to predict non-linear scales by fusing simulations from different fidelities.

研究の動機と目的

• 異なる解像度のシミュレーションを組み合わせることで、宇宙論における物質パワースペクトル予測の精度と効率を向上させること。
• 高精度 $N$-体シミュレーションの計算コストを削減しながら、非線形スケールにおける高い予測精度を維持すること。
• 宇宙論的パrameter空間の補間に適したスケーラブルで、高速にトレーニング可能なマルチフェイリティガウス過程を用いたエミュレータフレームワークを開発すること。
• 高精度データを用いて低精度シミュレーションをキャリブレーションし、全パrameter空間にわたる精度を向上させること。

提案手法

• 本手法は、複数のシミュレーション精度レベルにおける宇宙論的パrameterの関数として物質パワースペクトルをモデル化するマルチフェイリティガウス過程フレームワークを採用する。
• 低解像度シミュレーションは、パワースペクトルが宇宙論に依存する一般的な傾向を学習するのに対し、高解像度シミュレーションは重要なポイントでのキャリブレーションを提供する。
• エミュレータは、低精度と高精度シミュレーションの乖離をモデル化する階層的相関構造を用い、高精度な補間を可能にする。
• トレーニングは標準的なガウス過程に対する簡単な修正を伴い、最小限の計算オーバーヘッドで効率的な推論と予測を可能にする。
• 本手法は、低精度データのトレンドと高精度シミュレーションからの補正を捉える共同共分散関数を仮定する。

実験結果

リサーチクエスチョン

• RQ1 マルチフェイリティエミュレーションは、物質パワースペクトル予測の精度を維持または向上させつつ、必要な高精度シミュレーションの数を減らすことができるか？
• RQ2 同じ数の高精度シミュレーションを用いた場合、マルチフェイリティエミュレータは単一精度エミュレータと比べてどの程度優れているか？
• RQ3 非線形領域における物質パワースペクトルの高精度予測において、低解像度シミュレーションはどの程度精度を向上させることができるか？
• RQ4 高精度エミュレータを達成するために、シミュレーションの解像度とトレーニングランの数の最適なトレードオフは何か？

主な発見

• マルチフェイリティエミュレータは、わずか3つの高精度シミュレーションを用いて、パラメータ空間全体で平均して約1%の精度を達成した。
• $k \leq 2 \,h\,\mathrm{Mpc}^{-1}$ の範囲では、11回のシミュレーションを用いた単一精度エミュレータと比較して、マルチフェイリティエミュレータは約100倍も高い精度を示した。
• より高い波数領域（$3 \leq k < 6.4 \,h\,\mathrm{Mpc}^{-1}$）では、マルチフェイリティアプローチは単一精度の代替手法と比較して約20倍も高い精度を示した。
• 高価な高精度シミュレーションへの依存を減らすことで、計算コストの大幅な削減が可能になり、非線形スケールにおける高い予測忠実度を維持できるようになった。