[논문 리뷰] A Bayesian approach to high fidelity interferometric calibration I: mathematical formalism

Peter Sims, Jonathan C. Pober외 1명|arXiv (Cornell University)|2022. 06. 27.

Radio Astronomy Observations and Technology참고 문헌 66인용 수 10

한 줄 요약

이 논문은 스펙트럼 매끄러움에 대한 통계적 제약 조건을 갖는 사전 확률을 통해 누락된 천체 성분을 모델링함으로써 무작위 스펙트럼 구조를 억제하는 베이지안 프레임워크인 BayesCal을 소개한다. 알려지지 않은 광도 기여를 해석적으로 적분하고, 물리적으로 타당한 사전 확률을 장치 이득에 도입함으로써, 기존 표준 방법에 비해 보정 솔루션의 스펙트럼 변동성을 최대 4개 지수 정도 감소시킨다.

ABSTRACT

High fidelity radio interferometric data calibration that minimises spurious spectral structure in the calibrated data is essential in astrophysical applications, such as 21 cm cosmology, which rely on knowledge of the relative spectral smoothness of distinct astrophysical emission components to extract the signal of interest. Existing approaches to radio interferometric calibration have been shown to impart spurious spectral structure to the calibrated data if the sky model used to calibrate the data is incomplete. In this paper, we introduce BayesCal: a novel solution to the sky-model incompleteness problem in interferometric calibration, designed to enable high fidelity data calibration. The BayesCal data model supplements the a priori known component of the forward model of the sky with a statistical model for the missing and uncertain flux contribution to the data, constrained by a prior on the power in the model. We demonstrate how the parameters of this model can be marginalised out analytically, reducing the dimensionality of the parameter space to be sampled from and allowing one to sample directly from the posterior probability distribution of the calibration parameters. Additionally, we show how physically motivated priors derived from theoretical and measurement-based constraints on the spectral smoothness of the instrumental gains can be used to constrain the calibration solutions. In a companion paper, we apply this algorithm to simulated observations with a HERA-like array and demonstrate that it enables up to four orders of magnitude suppression of power in spurious spectral fluctuations relative to standard calibration approaches.

연구 동기 및 목표

• . 보정된 간섭계 데이터에서 천체 모델이 불완전할 경우 발생하는 무작위 스펙트럼 구조 문제를 다룬다.
• . 천체에 대한 완전한 지식을 가정하지 않고도 부족한 광도 기여를 통계적으로 원칙적으로 모델링할 수 있는 방법을 개발하고자 한다.
• . 베이지안 추론을 통해 천체 모델과 장치 응답의 불확실성을 통합함으로써 고해상도 보정을 가능하게 하고자 한다.
• . 스펙트럼 매끄러움이 신호 추출에 핵심적인 역할을 하는 21cm 우주론 실험에서 보정 정확도를 향상시키고자 한다.
• . 보정 과정에서 오차를 정확히 전파함으로써 견고한 천체물리학적 파rameter 추정을 가능하게 하기 위해 불확실성을 올바르게 전파하는 프레임워크를 설계한다.

제안 방법

• . BayesCal 프레임워크는 알려지지 않은 광도 기여에 대한 통계적 모델을 도입하며, 이는 모델 내 에너지의 사전 확률에 의해 제약을 받는다.
• . 사전에 알려진 천체 성분과 알려지지 않은 성분에 대한 비모수적 스펙트럼 모델을 조합하는 정방향 모델을 사용한다.
• . 알려지지 않은 광도 모델의 매개변수를 해석적으로 적분함으로써 사후 분포의 차원을 감소시키고, 보정 매개변수 사후 분포에서 직접 샘플링이 가능하게 한다.
• . 이론적 및 측정 기반 제약 조건을 사용하여 장치 이득의 스펙트럼 매끄러움에 물리적으로 타당한 사전 확률을 통합한다.
• . 시간적 모델과 이득 변화에 대한 사전 확률을 통합함으로써 다중 시간 적분에 대한 동시 보정을 지원한다.
• . 보정 솔루션의 최적 스펙트럼 매개변수화(예: 거듭제곱 법칙 대비 더 복잡한 모델)를 결정하기 위한 베이지안 모델 선택을 가능하게 한다.

실험 결과

연구 질문

• RQ1 . 천체 모델이 불완전할 경우 간섭계 보정에서 발생하는 무작위 스펙트럼 구조는 어떻게 억제할 수 있는가?
• RQ2 . 계산 비용 증가 없이도 알려지지 않은 광도 기여를 적분할 수 있는 통계적 프레임워크는 무엇인가?
• RQ3 . 물리적으로 타당한 사전 확률을 장치 이득의 스펙트럼 매끄러움에 어떻게 통합할 수 있는가?
• RQ4 . 기저선의 재현성과 장치 모델 매개변수의 불확실성에 대해 이 프레임워크는 얼마나 견고하게 대응할 수 있는가?
• RQ5 . 시간적 사전 확률을 통합할 경우, 다중 적분에 걸쳐 보정의 안정성이 어떻게 향상되는가?

주요 결과

• . BayesCal은 기존 표준 보정 방법에 비해 보정 솔루션에서 무작위 스펙트럼 변동성을 최대 4개 지수 정도 감소시킨다.
• . 이 프레임워크는 알려지지 않은 광도 성분을 해석적으로 적분함으로써 매개변수 공간의 차원을 감소시키고 효율적인 사후 샘플링을 가능하게 한다.
• . 이득의 스펙트럼 매끄러움에 대한 물리적으로 타당한 사전 확률은 무작위 고주파 스펙트럼 구조를 차단하면서도 진짜로 낮은 수준의 스펙트럼 특징을 유지한다.
• . 비균일한 노이즈와 재현성 영향을 보정된 데이터로 정확히 전파함으로써 정확한 불확실성 전파를 보장한다.
• . 베이지안 모델 선택을 통해 주어진 데이터셋에 대해 단순한 스펙트럼 모델(예: 거듭제곱 법칙)이 충분한지, 아니면 더 복잡한 모델이 필요한지 결정할 수 있다.
• . 이 프레임워크는 완전히 천체 기반 보정으로 일반화되며, 측정 오차에서 유도된 사전 확률과 함께 안테나 위치와 비드 패턴의 불확실성까지도 공동 샘플링을 통해 고려할 수 있다.