[논문 리뷰] Augmenting astrophysical scaling relations with machine learning: application to reducing the Sunyaev-Zeldovich flux-mass scatter

Digvijay Wadekar, Leander Thiele외 8명|arXiv (Cornell University)|2022. 01. 04.

Geophysics and Gravity Measurements인용 수 5

한 줄 요약

이 논문은 일리우시스TNG 시뮬레이션을 기반으로 한 기호 회귀 분석을 통해 태양계-젤도비치 효과의 면적과 기체 농도를 조합한 기계학습 기반 질량 추정치 $ Y_{\text{conc}} \propto Y_{\text{SZ}}^{3/5}(1 - A\,c_{\text{gas}}) $ 를 제안한다. 이 방법은 거대 은하단 ($ M_{200c} \gtrsim 10^{14}\,h^{-1}\,M_\odot $) 에서 질량 추정의 산란을 20–30% 감소시켜 향후 CMB 및 X선 관측을 위한 우주론적 추론 정확도를 향상시킨다.

ABSTRACT

Complex astrophysical systems often exhibit low-scatter relations between observable properties (e.g., luminosity, velocity dispersion, oscillation period). These scaling relations illuminate the underlying physics, and can provide observational tools for estimating masses and distances. Machine learning can provide a fast and systematic way to search for new scaling relations (or for simple extensions to existing relations) in abstract high-dimensional parameter spaces. We use a machine learning tool called symbolic regression (SR), which models patterns in a dataset in the form of analytic equations. We focus on the Sunyaev-Zeldovich flux$-$cluster mass relation ($Y_\mathrm{SZ}-M$), the scatter in which affects inference of cosmological parameters from cluster abundance data. Using SR on the data from the IllustrisTNG hydrodynamical simulation, we find a new proxy for cluster mass which combines $Y_\mathrm{SZ}$ and concentration of ionized gas ($c_\mathrm{gas}$): $M \propto Y_\mathrm{conc}^{3/5} \equiv Y_\mathrm{SZ}^{3/5} (1-A\, c_\mathrm{gas})$. $Y_\mathrm{conc}$ reduces the scatter in the predicted $M$ by $\sim 20-30$\% for large clusters ($M\gtrsim 10^{14}\, h^{-1} \, M_\odot$), as compared to using just $Y_\mathrm{SZ}$. We show that the dependence on $c_\mathrm{gas}$ is linked to cores of clusters exhibiting larger scatter than their outskirts. Finally, we test $Y_\mathrm{conc}$ on clusters from CAMELS simulations and show that $Y_\mathrm{conc}$ is robust against variations in cosmology, subgrid physics, and cosmic variance. Our results and methodology can be useful for accurate multiwavelength cluster mass estimation from upcoming CMB and X-ray surveys like ACT, SO, eROSITA and CMB-S4.

연구 동기 및 목표

• 현재 은하단의 수반 데이터로부터 우주론적 파rameter 추론을 제한하는, 태양계-젤도비치 효과 면적-질량 ($ Y_{\text{SZ}}-M $) 스케일링 관계의 산란을 줄이기 위해.
• 수작업 분석으로는 식별하기 어려운 비선형 다변수 확장 형태를 발견하기 위해.
• 다중파장 관측값을 사용하여 보다 정확한 질량 추정을 가능하게 하는 강력하고 물리적으로 해석 가능한 질량 추정치를 개발하기 위해.
• CAMELS 시뮬레이션 세트를 사용하여 다양한 우주론적 조건과 미세구조 물리 조건에서 새로운 추정치를 검증하기 위해.
• ACT, SO, eROSITA, CMB-S4와 같은 향후 CMB 및 X선 관측을 위한 더 정확한 질량 추정을 가능하게 하기 위해.

제안 방법

• 고차원 천체물리학 데이터에서 질량 예측의 산란을 최소화하는 비선형 해석적 함수 형태를 식별하기 위해 기호 회귀(SR)를 적용하였다.
• 주요 변수로 $ Y_{\text{SZ}} $, 은하단 질량, 기체 농도($ c_{\text{gas}} $)를 사용하여 일리우시스TNG 유체역학 시뮬레이션을 활용해 기호 회귀 모델을 훈련 및 검증하였다.
• 기존의 $ Y_{\text{SZ}} $ 뿐만 아니라 핵의 기체 구조까지 고려한 새로운 질량 추정치를 제안: $ Y_{\text{conc}}^{3/5} \equiv Y_{\text{200c}}^{3/5}(1 - A\,c_{\text{gas}}) $, 여기서 $ A $ 는 피팅된 상수이다.
• 추가 매개변수를 포함한 랜덤 포레스트 회귀분석과의 성능 비교를 통해 검증하였다.
• 우주론적 파rameter, 피드백 모델, 천체적 변동성 등 다양한 조건에서 $ Y_{\text{conc}} $ 의 강건성을 CAMELS 시뮬레이션 세트를 통해 테스트하였다.
• 핵심 영역을 제거하여 산란의 공간적 의존성을 분석함으로써, 중심 영역이 불확실성을 증가시키는 주요 원인임을 규명하였다.

실험 결과

연구 질문

• RQ1 기계학습은 $ Y_{\text{SZ}}-M $ 스케일링 관계의 비선형 다변수 확장 형태를 식별하여 질량 예측 산란을 줄일 수 있는가?
• RQ2 기체 농도($ c_{\text{gas}} $) 를 포함함으로써 $ Y_{\text{SZ}} $ 뿐만으로 사용할 경우에 비해 은하단 질량 추정의 정확도는 어떻게 향상되는가?
• RQ3 제안된 $ Y_{\text{conc}} $ 추정치는 다양한 우주론적 및 미세구조 물리 조건에서 강건한가?
• RQ4 특히 은하단의 핵부에서 산란 감소가 향상되는 물리적 메커니즘은 무엇인가?
• RQ5 기호 회귀 접근법은 다른 널리 사용되는 천체물리 스케일링 관계의 향상에 일반화될 수 있는가?

주요 결과

• 제안된 추정치 $ Y_{\text{conc}}^{3/5} \equiv Y_{\text{200c}}^{3/5}(1 - A\,c_{\text{gas}}) $ 는 거대 은하단 ($ M_{200c} \gtrsim 10^{14}\,h^{-1}\,M_\odot $) 에서 $ Y_{\text{SZ}} $ 뿐만으로 사용할 경우에 비해 질량 예측의 산란을 약 20–30% 감소시킨다.
• 이러한 향상은 핵심 영역에서 가장 두드러지며, 여기서 높은 노이즈와 복잡한 물리 현상으로 인해 $ Y_{\text{SZ}} $ 뿐만으로 추정할 경우 산란이 증가한다.
• 은하단의 핵심 영역을 제거함으로써 $ Y_{\text{SZ}} $ 기반 질량 추정의 산란이 감소함을 확인하였으며, 이는 핵심 영역의 물리가 산란의 주요 원인임을 뒷받침한다.
• $ Y_{\text{conc}} $ 추정치는 CAMELS 시뮬레이션 세트 전반에서 강건하게 유지되며, 우주론, 피드백 모델, 천체적 변동성의 변화에도 일관된 성능을 보였다.
• 기호 회귀는 $ Y_{\text{SZ}} $ 뿐만 아니라 추가 매개변수를 포함한 랜덤 포레스트 기반 모델보다도 뛰어난 성능을 보이는 물리적으로 해석 가능한 해석적 형태를 성공적으로 식별하였다.
• 이 방법은 은하, 항성, 외계행성 등 다른 널리 사용되는 천체물리 스케일링 관계의 향상에도 광범위하게 적용 가능할 잠재력을 보였다.