[논문 리뷰] A Multi-Fidelity Emulator for the Matter Power Spectrum using Gaussian Processes

Ming-Feng Ho, Simeon Bird외 1명|arXiv (Cornell University)|2021. 05. 03.

Gaussian Processes and Bayesian Inference참고 문헌 52인용 수 4

한 줄 요약

이 논문은 저해상도 및 고해상도 천체역학적 $N$-body 시뮬레이션을 융합하여 물질 스펙트럼을 고정밀도로 예측하는 다중 정밀도 가우시안 프로세스 에뮬레이터를 소개한다. 3개의 고정밀도 시뮬레이션과 수많은 저정밀도 시뮬레이션을 활용함으로써, 평균적으로 약 1%의 정확도를 달성하며, $k \leq 2 \,h\,\mathrm{Mpc}^{-1}$ 범위에서 단일 정밀도 에뮬레이터 대비 최대 100배 뛰어난 성능을 보이며, 비선형 스케일 예측 효율성을 크게 향상시킨다.

ABSTRACT

We present methods for emulating the matter power spectrum which effectively combine information from cosmological $N$-body simulations at different resolutions. An emulator allows estimation of simulation output by interpolating across the parameter space of a handful of simulations. We present the first implementation of multi-fidelity emulation in cosmology, where many low-resolution simulations are combined with a few high-resolution simulations to achieve an increased emulation accuracy. The power spectrum's dependence on cosmology is learned from the low-resolution simulations, which are in turn calibrated using high-resolution simulations. We show that our multi-fidelity emulator can achieve percent-level accuracy on average with only $3$ high-fidelity simulations and outperforms a single-fidelity emulator that uses $11$ simulations. With a fixed number of high-fidelity training simulations, we show that our multi-fidelity emulator is $\simeq 100$ times better than a single-fidelity emulator at $k \leq 2 \,h extrm{Mpc}{^{-1}}$, and $\simeq 20$ times better at $3 \leq k < 6.4 \,h extrm{Mpc}{^{-1}}$. Multi-fidelity emulation is fast to train, using only a simple modification to standard Gaussian processes. Our proposed emulator shows a new way to predict non-linear scales by fusing simulations from different fidelities.

연구 동기 및 목표

• 다양한 해상도의 시뮬레이션을 융합하여 천체물리학적 물질 스펙트럼 예측의 정확도와 효율성을 향상시키기.
• 고정밀도 $N$-body 시뮬레이션의 계산 비용을 줄이면서도 비선형 스케일에 대한 높은 예측 정확도를 유지하기.
• 다중 정밀도 가우시안 프로세스를 활용하여 천체물리학적 파rameter 공간의 보간에 적합하고 빠르게 학습 가능한 확장 가능한 에뮬레이터 프레임워크 개발하기.
• 고정밀도 데이터를 활용하여 저정밀도 시뮬레이션을 校정함으로써 전체 파arameter 공간에서의 정밀도를 향상시키기.

제안 방법

• 이 방법은 다양한 시뮬레이션 정밀도에서 천체물리학적 파arameter에 따른 물질 스펙트럼을 모델링하는 다중 정밀도 가우시안 프로세스 프레임워크를 활용한다.
• 저해상도 시뮬레이션은 스펙트럼이 천체물리학적 파arameter에 따라 어떻게 변화하는지를 일반적인 경향성으로 학습하고, 고해상도 시뮬레이션은 핵심 지점에서의 校정을 제공한다.
• 에뮬레이터는 저정밀도와 고정밀도 시뮬레이션 간의 오차를 모델링하기 위해 계층적인 상관관계 구조를 사용하여 정확한 보간을 가능하게 한다.
• 학습 과정은 표준 가우시안 프로세스에 대한 단순한 수정을 포함하여, 최소한의 계산 오버헤드로 효율적인 추론과 예측을 가능하게 한다.
• 이 접근법은 저정밀도 데이터의 추세와 고정밀도 시뮬레이션의 보정을 동시에 캐치하는 공동 공분산 함수를 가정한다.

실험 결과

연구 질문

• RQ1 다중 정밀도 에뮬레이션은 물질 스펙트럼 예측 정확도를 유지하거나 향상시키면서도 고정밀도 시뮬레이션의 수를 줄일 수 있는가?
• RQ2 동일한 수의 고정밀도 시뮬레이션을 사용할 때, 다중 정밀도 에뮬레이터의 성능은 단일 정밀도 에뮬레이터보다 어떻게 다를까?
• RQ3 저해상도 시뮬레이션은 물질 스펙트럼의 비선형 영역에서 고정밀도 예측의 정확도를 어느 정도 향상시킬 수 있는가?
• RQ4 고정밀도 에뮬레이터를 얻기 위해 시뮬레이션 해상도와 학습 런 수 사이의 최적의 트레이드오프는 무엇인가?

주요 결과

• 다중 정밀도 에뮬레이터는 고정밀도 시뮬레이션을 단 3회만 사용하여도 파arameter 공간 전반에서 평균적으로 약 1%의 정확도를 달성한다.
• $k \leq 2 \,h\,\mathrm{Mpc}^{-1}$ 범위에서, 다중 정밀도 에뮬레이터는 11회의 시뮬레이션을 사용한 단일 정밀도 에뮬레이터 대비 약 100배 더 정확하다.
• 더 높은 파장 수치($3 \leq k < 6.4 \,h\,\mathrm{Mpc}^{-1}$)에서는 다중 정밀도 접근 방식이 단일 정밀도 대비 약 20배 더 정확하다.
• 이 방법은 고비용의 고정밀도 시뮬레이션 의존도를 줄이며 비선형 스케일에서 높은 예측 정밀도를 유지함으로써 상당한 계산적 절감 효과를 제공한다.