[論文レビュー] Field-Level Inference with Microcanonical Langevin Monte Carlo

Adrian E. Bayer, Uroš Seljak+1 more|arXiv (Cornell University)|Jul 18, 2023

Markov Chains and Monte Carlo Methods被引用数 9

ひとこと要約

本論文は Microcanonical Langevin Monte Carlo (MCLMC) を宇宙論における場レベル推論へ適用し、初期条件と宇宙論パラメータの高次元サンプリングにおいて HMC に比べて大幅な効率向上を示す。MCLMC は勾配評価あたりの有効サンプルサイズをより高く達成し、次元性が高くなるにつれて非線形度レベルを超えてスケーリングが好結果となる。

ABSTRACT

Field-level inference provides a means to optimally extract information from upcoming cosmological surveys, but requires efficient sampling of a high-dimensional parameter space. This work applies Microcanonical Langevin Monte Carlo (MCLMC) to sample the initial conditions of the Universe, as well as the cosmological parameters $σ_8$ and $Ω_m$, from simulations of cosmic structure. MCLMC is shown to be over an order of magnitude more efficient than traditional Hamiltonian Monte Carlo (HMC) for a $\sim 2.6 imes 10^5$ dimensional problem. Moreover, the efficiency of MCLMC compared to HMC greatly increases as the dimensionality increases, suggesting gains of many orders of magnitude for the dimensionalities required by upcoming cosmological surveys.

研究の動機と目的

• 今後の宇宙論サーベイから情報を最適に抽出する手段として場レベル推論を動機づける。
• Microcanonical Langevin Monte Carlo (MCLMC) を用いた高次元の初期モード s と宇宙論パラメータ λ のサンプリングを実証する。
• 効率と次元性のスケーリングの観点から MCLMC を Hamiltonian Monte Carlo（HMC）と比較する。
• 前方モデルの非線形度の異なるレベル（ZA、2LPT、PM）に対するロバスト性を評価する。
• 今後のサーベイのデータ量に対するスケーラビリティの指針を提供する。

提案手法

• field-level 推論と初期モード s および宇宙論パラメータ λ のターゲットポスタリアをレビューする。
• Microcanonical Hamiltonian/Langevin Monte Carlo (MCHMC/MCLMC) のダイナミクスと、エルゴード性を高めるモーメンタム再サンプリングを説明する。
• P(u) による射影と力 f(z)、および Langevin 拡散項 η dW を含む MCLMC 方程式を導入する。
• differentiable forward modeling (pmwd) を用いて 3D の非線形ダークマター場を生成し、1LPT、2LPT、5-step PM を横断してサンプリングする。
• 混合を改善するために近似ポスタリア分散でパラメータを前処理する。
• 次元性と非線形前方モデルを変化させたときの勾配あたりの有効サンプルサイズを評価する。

実験結果

リサーチクエスチョン

• RQ1 場レベルの宇宙論推論における勾配あたり ESS の観点で MCLMC は HMC に対してどの程度効率的か。
• RQ2 前方モデルの次元性と非線形度の程度が増すにつれて MCLMC の効率優位性はどのようにスケールするか。
• RQ3 初期条件と宇宙論パラメータ（Ωm, σ8）について MCLMC は HMC と同じポスタリアを回復できるか。
• RQ4 前方モデルの非線形性（ZA、2LPT、PM）がサンプリング性能に与える影響は何か。
• RQ5 今後の宇宙論サーベイで期待される次元で MCLMC は実現可能か。

主な発見

• MCLMC は初期モードと宇宙論パラメータの両方について HMC とほぼ同等のサンプルを生成する。
• MCLMC はすべてのケースで HMC より優れており、特に非線形性が高い 2LPT で最大の利得（ESS が最大で 2 桁のオーダー）を示し、PM ステップでは中程度の利得を示す。
• 次元性が増すにつれて勾配評価あたりの ESS は MCLMC が HMC に対して顕著な利点を示し、モードとパラメータそれぞれの 64^3 ケースで約 40–80 倍の要因になる。
• MCLMC の ESS は HMC よりも次元性の増加に伴う劣化が緩やかであり、MCLMC には厳密なエネルギーに基づくステップサイズ制約が存在しないためである。
• 次元依存の効率向上は将来のサーベイで要求される高次元マップに対してオーダーオブマグニチュードの改善を示唆する。