[論文レビュー] Map-based cosmology inference with lognormal cosmic shear maps

Supranta S. Boruah, Eduardo Rozo+1 more|arXiv (Cornell University)|Apr 27, 2022

Statistical Methods and Inference被引用数 4

ひとこと要約

本論文は、弱引力レンズ歪みデータに条件付けられた対数正規ランダム場として宇宙の収束場をモデル化する地図ベースの宇宙論的推論フレームワークを導入し、宇宙論的パラメータと質量地図の共同推論を可能にした。非ガウス性の特徴を捉え、バイン間相関を考慮することで、従来の2点関数手法と比較してσ₈–Ωₘの宇宙論的制約が30%向上した。

ABSTRACT

Most cosmic shear analyses to date have relied on summary statistics (e.g. $ξ_+$ and $ξ_-$). These types of analyses are necessarily sub-optimal, as the use of summary statistics is lossy. In this paper, we forward-model the convergence field of the Universe as a lognormal random field conditioned on the observed shear data. This new map-based inference framework enables us to recover the joint posterior of the cosmological parameters and the convergence field of the Universe. Our analysis properly accounts for the covariance in the mass maps across tomographic bins, which significantly improves the fidelity of the maps relative to single-bin reconstructions. We verify that applying our inference pipeline to Gaussian random fields recovers posteriors that are in excellent agreement with their analytical counterparts. At the resolution of our maps -- and to the extent that the convergence field can be described by the lognormal model -- our map posteriors allow us to reconstruct \it all m summary statistics (including non-Gaussian statistics). We forecast that a map-based inference analysis of LSST-Y10 data can improve cosmological constraints in the $σ_8$--$Ω_{ m m}$ plane by $\approx 30\%$ relative to the currently standard cosmic shear analysis. This improvement happens almost entirely along the $S_8=σ_8Ω_{ m m}^{1/2}$ directions, meaning map-based inference fails to significantly improve constraints on $S_8$.

研究の動機と目的

• 従来の2点統計と比較して、弱引力レンズ歪みデータから非ガウス性の宇宙論的情報をより効果的に捉える地図ベースの推論フレームワークの開発。
• 解像度の粗さ、1バインでの再構築、固定された宇宙論的パラメータといった、既存の地図ベース手法の限界を克服すること。
• 対数正規事前分布を用いたベイズ的前向きモデリングアプローチにより、宇宙論的パラメータと2次元収束場の共同推論を可能にすること。
• トモグラフィック赤方偏移バイン間の共分散を適切に扱うことで、質量地図の忠実度を向上させること。
• 近い将来のLSST-Y10データにおける、この手法の宇宙論的制約の向上を予測すること。

提案手法

• 本手法は、観測された宇宙歪みデータに条件付けられた多変量対数正規事前分布を用いたベイズ的前向きモデリングフレームワークを採用し、2次元収束場をサンプリングする。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いて、事後分布を解くことで、宇宙論的パラメータと収束場を同時に推論する。
• トモグラフィック赤方偏移バイン間の相関を考慮することで、単一バインアプローチに比べて顕著に優れた地図再構築忠実度を実現する。
• 収束場が与えられたもとでの歪みデータの尤度をガウス近似することで、連合事後分布の効率的サンプリングを可能にする。
• ガウス確率的場において妥当性が確認され、解析的事後分布と良好に一致した。
• 現実的なLSST-Y10に類似したシミュレーションに対応するよう、本手法を拡張し、現実的な源の赤方偏移分布とノイズモデルを組み込んだ。

実験結果

リサーチクエスチョン

• RQ1 収束場を対数正規ランダム場としてモデル化する地図ベースの推論フレームワークは、2点統計と比較して、宇宙論的パラメータと質量地図をより高精度に回復できるか？
• RQ2 トモグラフィック歪みデータにおけるバイン間共分散を考慮することで、質量地図再構築と宇宙論的制約はどの程度向上するか？
• RQ3 対数正規事前分布は、収束場のピークやボイドといった非ガウス性の特徴をどの程度適切に捉えられるか？
• RQ4 LSST-Y10データにおいて、地図ベースの推論と標準的なパワースペクトルベースの解析とを比較した場合、宇宙論的制約の精度向上はどの程度か？
• RQ5 形状ノイズと光度赤方偏移の不確実性を含む現実的な観測条件下でも、本手法はどの程度の性能を示すか？

主な発見

• ガウス確率的場を用いたテストにおいて、地図ベースの推論フレームワークは、解析的期待と非常に良好に一致する宇宙論的事後分布を回復した。
• 本手法は、非ガウス性の要約統計量（ピーク数、ボイド数など）を、対数正規モデル下で正常に再構築できた。
• トモグラフィックバイン間の共分散を考慮することで、単一バイン再構築に比べて顕著に優れた質量地図の忠実度が得られた。
• LSST-Y10に類似したシミュレーションにおいて、本手法は標準的な2点関数解析と比較して、σ₈–Ωₘ平面上での宇宙論的制約を約30%向上させた。
• この向上はほとんどがS₈ = σ₈Ωₘ¹ᐟ²方向に集中しており、S₈の制約にはほとんど恩恵が得られていないことが示唆された。
• 対数正規モデルが成り立つ限り、事前分布の誤設定に対しても本手法は頑健であるが、小スケールの非ガウス性には、正規化フローまたはGANsのようなより高度な事前分布が必要となる可能性がある。