[論文レビュー] Bias on Tensor-to-Scalar Ratio Inference With Estimated Covariance Matrices

D. Beck, A. Cukierman+1 more|arXiv (Cornell University)|Feb 11, 2022

Cosmology and Gravitation Theories参考文献 35被引用数 9

ひとこと要約

この論文は、CMB解析におけるバンドパワー共分散行列の推定に有限の数のシミュレーションを使用すると、特にシミュレーション数が観測変数の数と同等のとき、テンソル対スカラー比（𝑟）の上限に顕著なバイアスが生じることを示している。このバイアスは、推定された共分散行列におけるモンテカルロノイズ、特に誤った非対角成分に起因し、事後分布の散らばりを増大させ、結果として𝑟の95%信頼区間上限が系統的に低く見積もられることにつながる可能性がある——数十パーセントの低減が生じるおそれがある。本研究では、行列の正則化処理やO(10,000)程度のシミュレーションを用いることで、このバイアスを緩和できることを示している。

ABSTRACT

We investigate simulation-based bandpower covariance matrices commonly used in cosmological parameter inferences such as the estimation of the tensor-to-scalar ratio $r$. We find that upper limits on $r$ can be biased low by tens of percent. The underestimation of the upper limit is most severe when the number of simulation realizations is similar to the number of observables. Convergence of the covariance-matrix estimation can require a number of simulations an order of magnitude larger than the number of observables, which could mean $\mathcal{O}(10\ 000)$ simulations. This is found to be caused by an additional scatter in the posterior probability of $r$ due to Monte Carlo noise in the estimated bandpower covariance matrix, in particular, by spurious non-zero off-diagonal elements. We show that matrix conditioning can be a viable mitigation strategy in the case that legitimate covariance assumptions can be made.

研究の動機と目的

• CMB宇宙論におけるテンソル対スカラー比（𝑟）の推定精度に、有限のシミュレーション数が与える影響を調査すること。
• 限られたシミュレーションから推定された共分散行列を用いる際の𝑟上限におけるバイアスの原因を同定すること。
• 行列の正則化処理や代替の尤度関数の有効性が、このバイアスを軽減するのにどの程度効果的かを評価すること。
• このバイアスが、Planck PR4 や BICEP/Keck コラボレーションの発表結果に与える影響を評価すること。
• 今後の高感度CMB実験における統計的推論の改善に向けた実用的提案を提供すること。

提案手法

• Planck 2018のファイドシャルパラメータを用いて、固定された𝑟 = 0.01を想定した理想化されたCMBマップをシミュレーションし、レンズ効果を含むスカラーモード、テンソルモード、機器ノイズを含める。
• 有限のシミュレーション実現（𝑁𝑠𝑖𝑚𝑠）から共分散行列を推定し、モンテカルロノイズを受ける標本共分散行列として扱う。
• HL（Hamimeche & Lewis 2008）とSH（Sellentin & Heavens 2015）の2つの尤度近似を用いる。両者は非ガウス性および共分散の不確実性の扱い方で異なる。
• 非対角成分をゼロに設定する、または正則化を用いることで行列の正則化処理を実施し、共分散推定におけるノイズ由来の散らばりを低減する。
• cobayaフレームワークを用いてベイズ的パラメータ推定を実施し、𝑟の事後分布を計算。異なるシミュレーション数および正則化手法の結果を比較する。
• Planck PR4および統合されたBK18+PR4データの𝑟の周辺化事後分布を比較し、最適適合値および上限値のずれを評価する。

実験結果

リサーチクエスチョン

• RQ1 シミュレーション実現数が、テンソル対スカラー比𝑟の上限推定精度にどのように影響するか？
• RQ2 有限のシミュレーションから推定された共分散行列を用いる際、𝑟上限に生じるバイアスの原因は何か？
• RQ3 行列の正則化処理や代替尤度関数（例：多変量t分布）によって、このバイアスはどの程度軽減可能か？
• RQ4 Planck PR4 や BICEP/Keck データの発表された𝑟上限値は、このシミュレーション由来のバイアスにより誤って推定されている可能性はあるか？
• RQ5 𝑟推定のための共分散行列推定に収束するには、どの程度のシミュレーション数が必要か？

主な発見

• シミュレーション実現数が観測変数の数と同等のとき、テンソル対スカラー比𝑟の上限が数十パーセント低く見積もられるバイアスが生じる。
• このバイアスは、主に推定された共分散行列におけるモンテカルロノイズに起因し、特に誤った非ゼロの非対角成分が、𝑟の事後分布の散らばりを増大させている。
• 非正則化行列を用いる場合、共分散行列推定の収束には約O(10,000)のシミュレーションが必要であり、観測変数の数よりも桁違いに多い。
• 行列の正則化処理は、特に共分散不確実性を考慮する尤度関数（例：多変量t分布：Sellentin & Heavens 2015）と組み合わせることで、𝑟上限におけるバイアスを顕著に低減する。
• Tristramら（2020, 2022）が使用した非正則化されたPlanck PR4尤度は、おそらくこのバイアスを含んでおり、𝑟の上限が系統的に低く見積もられている可能性がある。
• 適切な不確実性の周辺化が行われても、共分散ノイズに起因する実現依存の事後分布の散らばりは、信頼区間上限や最適適合値の誤推定を引き起こす可能性がある。