[論文レビュー] Semi-parametric $γ$-ray modeling with Gaussian processes and variational inference

Siddharth Mishra-Sharma, K. Cranmer|arXiv (Cornell University)|Oct 20, 2020

Gaussian Processes and Bayesian Inference被引用数 4

ひとこと要約

本論文は、ガウス過程と変分推論を用いた半パラメトリックベイジアン枠組みを提案し、銀河系の拡散的ガンマ線放射の不確実性をモデル化することで、特に銀河中心過剰（Galactic Center Excess）の検出において、固定されたパラメトリック形式に依存せずに大規模なバックグラウンドテンプレートの不適合を柔軟に捉えることにより、ダークマター信号検出のロバスト性を著しく向上させる。

ABSTRACT

Mismodeling the uncertain, diffuse emission of Galactic origin can seriously bias the characterization of astrophysical gamma-ray data, particularly in the region of the Inner Milky Way where such emission can make up over 80% of the photon counts observed at ~GeV energies. We introduce a novel class of methods that use Gaussian processes and variational inference to build flexible background and signal models for gamma-ray analyses with the goal of enabling a more robust interpretation of the make-up of the gamma-ray sky, particularly focusing on characterizing potential signals of dark matter in the Galactic Center with data from the Fermi telescope.

研究の動機と目的

• Fermi-LATガンマ線解析における、拡散的銀河背景の不適合という持続的な課題に対処し、天体物理学的信号の解釈にバイアスを生じさせることを防ぐ。
• 拡散放射テンプレートにおける認識的不確実性を考慮することで、特に銀河中心過剰に対して、ダークマター探索のロバスト性を向上させる。
• 固定されたパラメトリック形式を仮定せずに、残存する不適合を柔軟にモデル化するデータ駆動型の手法を開発する。
• 拡散バックグラウンドの大規模構造における不確実性を組み込むことで、銀河中心過剰の性質に関するより信頼性の高い統計的推論を可能にする。

提案手法

• 標準的な物理モデルが捉えきれない残存不適合をモデル化するため、拡散放射テンプレートの空間的アモルティュードに非パラメトリックな事前分布としてガウス過程（GPs）を採用する。
• 平滑性と柔軟性を制御できるように、マテrnカーネルを用いてGPの共分散関数を定義する。
• GPの潜在関数とテンプレート正規化係数の事後分布は計算不能であるため、変分推論を用いて近似し、高解像度のHEALPixマップ上でのスケーラブルな推論を実現する。
• ピクセル単位のカウントデータに対してポisson尤度フレームワークにGP事前分布を統合し、信号成分とバックグラウンド成分の同時推論を可能にする。
• 学習を高速化するために、インダクティングポイント（200個）と確率的サブサンプリング（1500ピクセル）を用い、50,000イテレーションにわたりAdam最適化器を適用する。
• 真の拡散モデル（Model O）とファイドシャルモデル（p6v11）の間に既知の不適合を持つシミュレーテッドデータ上でモデルを訓練し、事後予測チェックにより性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 固定されたパラメトリック形式を仮定せずに、ガウス過程が銀河系の拡散的ガンマ線放射における大規模な不適合を効果的にモデル化できるか。
• RQ2 変分推論が、例えばHEALPixマップのような高次元ガンマ線データにスケーリング可能であり、バックグラウンド不確実性の定量化においても正確性を維持できるか。
• RQ3 GPに基づくアプローチが、系境的拡散放射誤差が存在する状況で、真の信号およびバックグラウンドテンプレート正規化係数の回復にどの程度効果を発揮するか。
• RQ4 この手法が、背景関連バイアスを低減することで、銀河中心過剰のダークマター的起源と点源的起源を信頼性高く区別できるか。
• RQ5 柔軟な補正項としてのGPsの導入が、半パラメトリックガンマ線解析における天体物理学的パラメータの事後推論にどのように影響を与えるか。

主な発見

• GPモデルは、真の拡散放射（Model O）とファイドシャルモデル（p6v11）の間の残存不適合を効果的に捉えており、事後予測分布が真の乗法的不適合をよく追跡している。
• 推定されたGPマップの中央値は、特に不適合が最も影響を及ぼす銀河中心付近で、拡散放射誤差の空間的構造を正確に回復している。
• テンプレート正規化係数の事後予測サンプルは、真値と非常に一致しており、モデル不確実性が存在する中でもバックグラウンド振幅の推論が正確に行われていることを示している。
• 1500ピクセルのサブサンプリングと200個のインダクティングポイントのみを用いても、50,000イテレーションの訓練で、全天空のHEALPixマップへのスケーラビリティが実証された。
• 本フレームワークにより、拡散バックグラウンドの不適合によるバイアスを低減することで、銀河中心過剰のロバストな特徴付けが可能となり、従来の解析における主な制限要因を克服した。
• 本手法は非ポアソン尤度へも拡張可能であり、将来的なガンマ線データ解析における機械学習パイプラインへの統合も可能である。