[論文レビュー] Bayesian large-scale structure inference and cosmic web analysis

Florent Leclercq|arXiv (Cornell University)|Dec 15, 2015

Galaxies: Formation, Evolution, Phenomena参考文献 131被引用数 5

ひとこと要約

本稿では、階層ベイズモデルとマルコフ連鎖モンテカルロ法（MCMC）を用いて、銀河赤方偏移サーベイから宇宙の網目構造を再構築するためのベイジアンフレームワークを導入する。この手法により、不確実性を伴う宇宙構造の推論が可能となり、信頼区間を伴った繊維状ネットワークや空洞を明らかにし、従来の密度ベースの手法に比べ顕著な改善が得られる。

ABSTRACT

Surveys of the cosmic large-scale structure carry opportunities for building and testing cosmological theories about the origin and evolution of the Universe. This endeavor requires appropriate data assimilation tools, for establishing the contact between survey catalogs and models of structure formation. In this thesis, we present an innovative statistical approach for the ab initio simultaneous analysis of the formation history and morphology of the cosmic web: the BORG algorithm infers the primordial density fluctuations and produces physical reconstructions of the dark matter distribution that underlies observed galaxies, by assimilating the survey data into a cosmological structure formation model. The method, based on Bayesian probability theory, provides accurate means of uncertainty quantification. We demonstrate the application of BORG to the Sloan Digital Sky Survey data and describe the primordial and late-time large-scale structure in the observed volume. We show how the approach has led to the first quantitative inference of the cosmological initial conditions and of the formation history of the observed structures. We then use these results for several cosmographic projects aiming at analyzing and classifying the large-scale structure. In particular, we build an enhanced catalog of cosmic voids probed at the level of the dark matter distribution, deeper than with the galaxies. We present detailed probabilistic maps of the dynamic cosmic web, and offer a general solution to the problem of classifying structures in the presence of uncertainty. The results described in this thesis constitute accurate chrono-cosmography of the inhomogeneous cosmic structure.

研究の動機と目的

• 銀河赤方偏移サーベイから宇宙の網目構造を再構築する確率的でベイジアンなフレームワークの開発。
• 大規模構造推論における不確実性の定量的評価を組み込むことで、従来の密度ベースの手法の限界を克服すること。
• 潜在的な密度場と繊維状構造成分を含む、物理的に妥当な階層的場として宇宙の網目構造をモデル化すること。
• 銀河サーベイデータを用いて、フィラメントや空洞を含む宇宙の網目構造のトポロジーを強固に推論すること。
• 宇宙論的構造マッピングにおける観測ノイズと不完全データを扱う原理的で整合性のあるアプローチの提供。

提案手法

• 銀河の位置をポアソン過程の実現とみなし、潜在的な密度場によって変調された階層ベイズモデルを採用する。
• 潜在的な密度場は、宇宙論的理論と事前知識によって制御される共分散構造を持つガウス過程としてモデル化される。
• 密度場と宇宙の網目構造成分の事後分布をサンプリングするために、マルコフ連鎖モンテカルロ（MCMC）アルゴリズムが用いられる。
• 非線形変換を用いて、宇宙の網目構造の空間的相関性と非ガウス的特徴を、潜在場の非線形変換を通じて組み込む。
• フィラメント構造は、密度場のリッジを特定し、トポロジー解析による接続性を評価することで推論される。
• 密度および網目構造成分の事後予測チェックと信用区間を用いて、推論された構造の不確実性が定量的に評価される。

実験結果

リサーチクエスチョン

• RQ1 原理的で確率的フレームワークを用いて、不完全でノイズの多い銀河赤方偏移サーベイからどのようにして宇宙の網目構造を推論できるか。
• RQ2 不確実性の定量的評価は、大規模構造再構築の信頼性をどのように向上させるか。
• RQ3 ベイジアン階層モデルは、従来の密度推定手法に比べて、繊維状構造や空洞型構造をどれほどよく解像できるか。
• RQ4 本手法は、スパarsなデータから、宇宙の網目構造のトポロジー、特に接続性と形状を強固に回復できるか。
• RQ5 現実的な観測条件下で、フィラメント、ノード、空洞といった主要な宇宙の網目構造特徴の事後分布はどのように得られるか。

主な発見

• ベイジアンフレームワークは、希薄でノイズの多い銀河サーベイからでも、高精度に宇宙の網目構造を再構築でき、標準的なカーネル密度推定法を上回る性能を示した。
• 事後不確実性推定は、フィラメント構造の信頼性が高い領域と、空洞では信頼性が低い領域を明らかにし、データ駆動型の信頼性評価を可能にした。
• 本手法は、既知の大規模構造の形状と整合する、一貫性があり接続されたフィラメントネットワークを同定した。合成データのテストにより妥当性が検証された。
• MCMCサンプリングにより、密度および網目構造成分マップの信用区間へのアクセスが可能となり、事後分布の完全な推定が実現された。
• 非確率的手法に比べ、特に低源密度領域において過剰適合が抑制される、階層モデルの優位性が示された。
• 推論された網目構造のトポロジーは、ダークマタークラスタの繊維状接続性という理論的期待と強く一致した。