[論文レビュー] CosmoPMC: Cosmology Population Monte Carlo

M. Kilbinger, K. Benabed+8 more|arXiv (Cornell University)|Jan 5, 2011

Cosmology and Gravitation Theories参考文献 3被引用数 17

ひとこと要約

CosmoPMCは、人口モンテカルロ（PMC）を用いたベイジアンサンプリングフレームワークを導入し、宇宙論的パラメータ空間を効率的に探索する。適応的最重要サンプリングとMPIを用いた並列化された尤度計算を組み合わせ、正確な事後分布推定とベイジアン証拠計算を可能にする。宇宙線シアリング、SNIa、CMB、銀河クラスタリングデータに対して、高次元パラメータ空間で検証済み。

ABSTRACT

We present the public release of the Bayesian sampling algorithm for cosmology, CosmoPMC (Cosmology Population Monte Carlo). CosmoPMC explores the parameter space of various cosmological probes, and also provides a robust estimate of the Bayesian evidence. CosmoPMC is based on an adaptive importance sampling method called Population Monte Carlo (PMC). Various cosmology likelihood modules are implemented, and new modules can be added easily. The importance-sampling algorithm is written in C, and fully parallelised using the Message Passing Interface (MPI). Due to very little overhead, the wall-clock time required for sampling scales approximately with the number of CPUs. The CosmoPMC package contains post-processing and plotting programs, and in addition a Monte-Carlo Markov chain (MCMC) algorithm. The sampling engine is implemented in the library pmclib, and can be used independently. The software is available for download at http://www.cosmopmc.info.

研究の動機と目的

• 適応的最重要サンプリングを用いた、スケーラブルで並列化されたベイジアン推論ツールの開発。
• 従来のMCMCと比較して、高次元の宇宙論的パrameter空間における事後分布の探索と証拠計算の改善。
• CMB、弱引力レンズ、SNIaなど複数のプローブをサポートするモジュラーで拡張可能なソフトウェアフレームワークの提供。
• PMCの適応的提案分布を用いたベイジアン証拠推定により、正確なモデル比較を可能にする。
• CAMB、WMAP、halofitなどの高度な宇宙論的尤度モジュールを統合し、一元的かつ高性能な計算パイプラインを構築する。

提案手法

• 人口モンテカルロ（PMC）を採用。反復的に提案密度を改善することで事後分布を近似する適応的最重要サンプリング手法。
• pmclibライブラリをコアのPMCエンジンとして使用。MPIを用いた並列化により、複数プロセッサ間で尤度評価を分散。
• 提案密度の系列から抽出されたサンプルに重要度重みを適用。重みは正規化されていない事後分布と提案密度の比として計算。
• 宇宙論的プローブをモジュラーな尤度モジュールでサポート：宇宙線シアリング、SNIa、CMB非等方性、銀河クラスタリング、BAO、赤方偏移分布。
• CAMBを用いたCMBパワースペクトル、WMAP尤度コード、非線形物質パワー スペクトルのhalofitを外部ツールとして統合。
• R、Python、またはYorickを用いた後処理ツールを提供。マージナライズド推定、信用区間推定、証拠計算、再パラメータライゼーションを支援。

実験結果

リサーチクエスチョン

• RQ1 高次元の宇宙論的パrameter空間において、PMCは標準的なMCMCよりもサンプリング効率と証拠推定で優れているか？
• RQ2 宇宙線シアリングやSNIaなどの多様なデータセットにおいて、PMCはベイジアン証拠をどれほど正確に推定できるか？
• RQ3 MPIによる並列化は、大規模な宇宙論的調査における尤度評価のウォルク・クロック時間をどれほど短縮するか？
• RQ4 モデルの複雑さや非ガウス型の事後分布形状に対して、PMCは宇宙論的推論においてどれほど頑健か？
• RQ5 CosmoPMCのモジュラー設計は、新たな宇宙論的プローブや尤度モデルの追加に効果的に拡張可能か？

主な発見

• CosmoPMCは、ランダムウォークMCMCへの依存を減らす適応的最重要サンプリングを用いて、高次元の宇宙論的パラメータ空間を効率的に探索可能。
• ベイジアン証拠推定が正確に実現され、Kilbingerら（2010）の研究でPMCを用いてモデル比較に成功。
• MPIによる並列化はウォルク・クロック時間を顕著に短縮し、高性能クラスタ上で大規模な宇宙論的解析を現実可能にする。
• フレームワークは、宇宙線シアリング、SNIa、CMB、銀河クラスタリングといった多様な宇宙論的プローブを1つの推論パイプラインに統合することに成功。
• 後処理ツールにより、マージナライズド事後分布、信用区間、ベイズ因子の信頼性ある推定が可能。1Dおよび2Dのマージナライズドプロットもサポート。
• モジュラー設計によりコードベースは拡張性を有し、ユーザーが新しい尤度モジュールを追加するか、既存のものを最小限の変更で変更可能。