[논문 리뷰] A new approach for obtaining cosmological constraints from Type Ia Supernovae using Approximate Bayesian Computation

Elise Jennings, R. C. Wolf외 1명|arXiv (Cornell University)|2016. 11. 09.

Statistical Methods and Bayesian Inference인용 수 23

한 줄 요약

이 논문은 우주론적 제약을 정확도 함수를 가정하지 않고 타입 Ia 초신성 광선 곡선으로부터 유도하기 위한 초신ABC라는 새로운 근사 베이지안 계산(ABC) 방법을 소개한다. 두 가지 거리 척도인 트립과 광선 곡선을 사용하여 체계적 오차를 고려한 시뮬레이션 데이터를 생성하고 관측치와 비교함으로써 강력한 매개변수 제약을 도출한다; 보정 체계적 오차를 포함할 경우 $w_0$의 불확실도가 17% 증가하는 것으로 나타났으며, 이는 전통적인 MCMC보다 체계적 영향을 더 잘 포착함을 보여준다.

ABSTRACT

Cosmological parameter estimation techniques that robustly account for systematic measurement uncertainties will be crucial for the next generation of cosmological surveys. We present a new analysis method, superABC, for obtaining cosmological constraints from Type Ia supernova (SN Ia) light curves using Approximate Bayesian Computation (ABC) without any likelihood assumptions. The ABC method works by using a forward model simulation of the data where systematic uncertainties can be simulated and marginalized over. A key feature of the method presented here is the use of two distinct metrics, the `Tripp' and `Light Curve' metrics, which allow us to compare the simulated data to the observed data set. The Tripp metric takes as input the parameters of models fit to each light curve with the SALT-II method, whereas the Light Curve metric uses the measured fluxes directly without model fitting. We apply the superABC sampler to a simulated data set of $\\sim$1000 SNe corresponding to the first season of the Dark Energy Survey Supernova Program. Varying $\\Omega_m, w_0, \\alpha$ and $\\beta$ and a magnitude offset parameter, with no systematics we obtain $\\Delta(w_0) = w_0^{\ m true} - w_0^{\ m best \\, fit} = -0.036\\pm0.109$ (a $\\sim11$% 1$\\sigma$ uncertainty) using the Tripp metric and $\\Delta(w_0) = -0.055\\pm0.068$ (a $\\sim7$% 1$\\sigma$ uncertainty) using the Light Curve metric. Including 1% calibration uncertainties in four passbands, adding 4 more parameters, we obtain $\\Delta(w_0) = -0.062\\pm0.132$ (a $\\sim14$% 1$\\sigma$ uncertainty) using the Tripp metric. Overall we find a $17$% increase in the uncertainty on $w_0$ with systematics compared to without. We contrast this with a MCMC approach where systematic effects are approximately included. We find that the MCMC method slightly underestimates the impact of calibration uncertainties for this simulated data set.

연구 동기 및 목표

• 타입 Ia 초신성으로부터 우주론적 매개변수 추정을 위한 정확도 함수 가정 없이 체계적 오차를 강건하게 고려하는 방법을 개발하는 것.
• 기존의 MCMC 접근 방식의 한계를 해결하기 위한 것으로, 정확도 함수를 가정하고 체계적 영향을 과소평가할 수 있는 방법이다.
• 통제된 체계적 오차를 가진 시뮬레이션된 DES-SN 데이터 세트를 사용하여 방법을 검증하고 MCMC 결과와 비교하는 것.
• 초신ABC 샘플러가 표준화 매개변수 $\alpha$와 $\beta$를 정확히 제약할 수 있는지 보여주는 것.
• 정확도 함수 기반의 후행 모델링 프레임워크를 사용하여 보정 불확실성이 어두운 에너지 매개변수 제약에 미치는 영향을 정량화하는 것.

제안 방법

• 초신ABC 샘플러는 정확도 함수를 가정하지 않고 매개변수 공간의 각 점에서 데이터를 시뮬레이션함으로써 이를 우회한다.
• 두 가지 다른 거리 척도가 사용된다: '트립' 척도는 SALT-II에 적합된 매개변수를 사용하고, '광선 곡선' 척도는 직접적으로 원시 광도 측정치를 사용한다.
• 체계적 오차—예를 들어 네 개의 필터에서 1% 광학적 보정 오차—는 후행 시뮬레이션에 통합되고 평균화된다.
• 입자는 이전 반복의 거리 제곱의 75번째 백분위수를 기반으로 한 임계값과 가중치가 부여된 공분산 행렬을 사용해 반복적으로 변형된다.
• mpi4py 또는 multiprocessing을 통해 병렬 실행이 가능하며, 해시 테이블과 ROOT 파일 통합을 통해 I/O 최적화가 이루어진다.
• 수렴 상태는 추적 플롯과 불확실도 안정성 모니터링을 통해 확인되며, 허용 오차 이내의 입자들이 수락되어 후행 샘플이 확보된다.

실험 결과

연구 질문

• RQ1 체계적 오차가 존재할 경우, 정확도 함수를 가정하지 않는 ABC 기반 샘플링이 기존의 MCMC보다 더 강건한 우주론적 제약을 제공할 수 있는가?
• RQ2 정확도 함수가 없는 조건에서 트립 척도와 광선 곡선 척도는 $w_0$ 및 기타 우주론적 매개변수 제약에 어떻게 비교되는가?
• RQ3 보정 불확실성은 $w_0$의 불확실성에 얼마나 큰 영향을 미치며, 초신ABC는 MCMC보다 이 영향을 더 정확히 포착하는가?
• RQ4 초신ABC는 진정한 표준화 매개변수 $\alpha$와 $\beta$를 정확히 복원할 수 있는가?
• RQ5 플랑크 사전 확률을 포함할 경우 ABC 샘플러의 수렴성과 효율성은 어떻게 영향을 받는가?

주요 결과

• 체계적 오차 없이 CMB 사전 확률을 사용할 경우, 트립 척도는 $\Delta(w_0) = -0.036 \pm 0.109$를 도출하여 $w_0$의 약 11% 1$\sigma$ 불확실도에 해당한다.
• 동일한 조건에서 광선 곡선 척도를 사용할 경우, $\Delta(w_0) = -0.055 \pm 0.068$로, 약 7% 1$\sigma$ 불확실도에 해당한다.
• 네 개의 필터에서 1% 보정 오차를 포함할 경우, $w_0$의 불확실도는 체계적 오차가 없는 경우 대비 17% 증가하여 트립 척도로 $\Delta(w_0) = -0.062 \pm 0.132$를 도출한다.
• 이 시뮬레이션 데이터 세트에서 MCMC 방법은 보정 오차의 영향을 약간 과소평가하고 있으며, 이는 ABC가 더 보수적이고 강건한 추정치를 제공함을 시사한다.
• 초신ABC 샘플러는 진정한 표준화 매개변수를 성공적으로 복원하였다: $\alpha = 0.1285 \pm 0.011$ 및 $\beta = 3.176 \pm 0.060$로, 최대우도 추정 결과와 일치한다.
• 초기 버닝 인이 끝난 후 약 4~5일 추가 런타임 동안 약 1%의 $1\sigma$ 오차 불확실도를 달성하였으며, 추적 플롯을 통한 수렴 확인이 이루어졌다.