[論文レビュー] Fast Clustering Analysis of Inhomogeneous Megapixel CMB maps

István Szapudi, S. Prunet+1 more|arXiv (Cornell University)|Jul 19, 2001

Medical Image Segmentation Techniques被引用数 3

ひとこと要約

この論文は、重み付きピクセル空間相関関数と高速球ーモーメント変換を用いて、不均一なメガピクセルCMBマップから角スペクトル密度 $C_\ell$ を推定する高速でスケーラブルなアルゴリズムを提示する。この手法は $\sim N^{1.61}$ のスケーリングを達成し、MAPに類似したマップ（512解像度、約300万ピクセル）を500MHz CPUで5分未満で処理可能であり、理論的期待値と密接に一致し、モンテカルロノイズ共分散推定を効率的に行える。

ABSTRACT

Szapudi et al (2001) introduced the method of estimating angular power spectrum of the CMB sky via heuristically weighted correlation functions. Part of the new technique is that all (co)variances are evaluated by massive Monte Carlo simulations, therefore a fast way to measure correlation functions in a high resolution map is essential. This letter presents a new algorithm to calculate pixel space correlation functions via fast spherical harmonics transforms. Our present implementation of the idea extracts correlations from a MAP-like CMB map (HEALPix resolution of 512, i.e. $ \simeq 3 imes 10^6$ pixels) in about 5 minutes on a 500MHz computer, including $C_\ell$ inversion; the analysis of one Planck-like map takes less then one hour. We use heuristic window and noise weighting in pixel space, and include the possibility of additional signal weighting as well, either in $\ell$ or pixel space. We apply the new code to an ensemble of MAP simulations, to test the response of our method to the inhomogenous sky coverage/noise of MAP. We show that the resulting $C_\ell$'s are very close to the theoretical expectations. The HEALPix based implementation of the method, SpICE (Spatially Inhomogenous Correlation Estimator) will be available to the public from the authors.

研究の動機と目的

• MAP や Planck のようなミッションから得られるメガピクセルCMBマップの解析における計算ボトルネックを解消すること。標準的な最尤法では処理が困難な規模である。
• 不均一な天の川カバーとノイズにさらされても正確なまま、最適な $C_\ell$ 評価の代わりに高速でスケーラブルな代替手法を開発すること。
• ヒューリスティックな重み付けと高速球ーモーメント変換を用いて、複雑なノイズと幾何構造を持つ実世界データに適した効率的なパワースペクトル推定を可能にすること。
• 不均一な状況下での精度を向上させるために、モンテカルロベースのノイズと共分散行列推定を促進すること。
• CMBに限らず、一般用途で利用可能な公開ツール（SpICE）を提供し、CMB以外の分野にも応用可能な宇宙論的パワースペクトル推定に適すること。

提案手法

• ヒューリスティックな端効果補正とノイズ重み付けを用いた重み付き推定器により、ピクセル空間における2点相関関数を推定する。
• 相関関数と $C_\ell$ 評価の計算を高速化するために、高速球ーモーメント変換（SHT）を活用する。
• ノイズ実現のモンテカルロシミュレーションによりノイズ共分散行列を計算し、対角行列でないノイズ行列に対しても正確な誤差推定を可能にする。
• 重み付き相関関数の積分にガウス＝ルジャンドル求積法を適用し、$C_\ell$係数を回復する。
• $\ell$ 空間またはピクセル空間における信号重み付けを組み込み、推定器のヒューリスティック最適化を可能にする。
• 不規則なスカイカットや穴に対しても効率的に処理できるよう、球面幾何構造としてHEALPixを実装する。

実験結果

リサーチクエスチョン

• RQ1 標準的な最尤法に依存せず、計算コストの高いものではない、高速でスケーラブルな手法が、不均一なノイズとスカイカバーを持つメガピクセルCMBマップから $C_\ell$ を推定できるか？
• RQ2 MAPミッションのような現実的で不均一なデータに、ヒューリスティック的で相関関数に基づく推定器を適用した場合、理論的 $C\_\ell$ 値をどれほど正確に再現できるか？
• RQ3 高速球ーモーメント変換とモンテカルロノイズモデリングによって加速された相関関数ベースの $C_\ell$ 推定器の計算スケーリングはどの程度か？
• RQ4 複雑なノイズパターンがある状況下で、ヒューリスティックな重み付けとモンテカルロノイズ共分散推定が、最適手法と比較してどれほど精度を維持できるか？
• RQ5 この手法は、CMBおよび大規模構造データにおける非ガウス性、クロス相関、バイスペクトルなどの他のパワー関数や高次関数推定に一般化可能か？

主な発見

• 測定された計算スケーリングは $\sim N^{1.61}$ であり、標準的な $N^3$ や $N^2$ 手法よりも著しく高速であり、メガピクセルマップに実用的である。
• 500MHz CPU上で、HEALPix解像度512（約3×10^6ピクセル）のMAPに類似したCMBマップを、$C_\ell$ の逆行列計算を含めて5分未満で処理可能である。
• MAPシミュレーションのアンサンブルから得られた $C_\ell$ 値は理論的期待値と密接に一致しており、手法の正確性が検証された。
• ノイズ実現のモンテカルロシミュレーションによりノイズ共分散が正確に推定され、非対角行列ノイズに対しても頑健な誤差推定が可能である。
• 明るい天体による周囲の穴などの不規則なスカイカバーに対しても、性能や速度にほとんど影響を及ぼさず、依然として安定に動作する。
• HEALPixに基づく実装（SpICE：空間不均一相関推定器）は公開されており、非ガウス性、クロス相関、偏光への将来的な拡張も可能である。