[논문 리뷰] Calibration of SAMs with Particle Swarm Optimization: an application using intermediate and low redshift data

A. Cora, Nelson Padilla외 3명|arXiv (Cornell University)|2013. 10. 25.

Galaxies: Formation, Evolution, Phenomena인용 수 6

한 줄 요약

이 논문은 은하 형성의 준해석 모델(SAMs)을 효율적으로 캘리브레이션하기 위해 입자 군집 최적화(PSO) 프레임워크를 도입한다. 중간 및 저적도 관측 자료를 사용하여 고차원 매개변수 공간에서 최적의 매개변수 조합을 신속하게 식별하며, 다양한 캘리브레이션 제약 조건에서도 일관된 결과를 도출하여, SAMs에서 새로운 천체물리 과정을 테스트하는 데 있어 강건성과 계산 효율성을 입증한다.

ABSTRACT

We present a fast and accurate method to select an optimal set of parameters in semi- analytic models of galaxy formation and evolution (SAMs). Our approach compares the results of a model against a set of observables applying a stochastic technique called Particle Swarm Optimization (PSO), a self-learning algorithm for localizing minima in multidimensional spaces that outperforms traditional sampling methods in terms of computational cost. We apply the PSO technique to the SAG semi-analytic model combined with merger trees extracted from a standardCDM N-body simulation. From the full set of model parameters used for the baryonic processes followed in SAG, we select six for tuning and keep all others fixed. In order to evaluate the ability of the PSO algorithm to find the best set of parameters, we perform several calibrations using different combinations of observed properties, both locally (e.g. z = 0 K-, bj- and r- band luminosity functions, the black hole (BH) mass to bulge mass relation) and at intermediate and high redshifts (supernova rates as a function of redshift, UV luminosity functions at 0.5 6 z 6 3.0). For the best parameter set found, we present the model predictions for the K- and B-band luminosity functions at z = 1, 2 and 3 and the galaxy- galaxy correlation function at z = 0. We find that galaxy properties obtained from the different calibrations are very similar, which points to the fact that the results do not depend strongly on the constraints used as long as z = 0 LFs are considered. This new approach allows a fast estimation of the best-fitting parameter set in multidimensional spaces, providing a practical tool to test the consequences of including new astrophysical processes in galaxy formation models.

연구 동기 및 목표

• 관측 제약 조건을 사용하여 은하 형성 준해석 모델(SAMs)을 계산적으로 효율적으로 캘리브레이션하는 방법을 개발하는 것.
• 다차원 모델에서 전통적인 매개변수 공간 샘플링의 높은 계산 비용을 극복하는 것.
• 지역 및 고적도 관측 자료의 다양한 조합에서 캘리브레이션 결과가 얼마나 강건한지 평가하는 것.
• 복잡한 고차원 매개변수 공간에서 최적의 매개변수 조합을 찾는 데 Particle Swarm Optimization(PSO)의 성능을 테스트하는 것.
• 새로운 천체물리 과정이 은하 형성 모델에 미치는 영향을 평가하기 위한 실용적인 도구를 제공하는 것.

제안 방법

• 모델 예측과 관측된 은하 성질 간 오차를 최소화하기 위해, 확률적이고 자기학습 기반 알고리즘인 입자 군집 최적화(PSO)를 적용한다.
• 표준 CDM N-바디 시뮬레이션에서 유도된 합성 트리와 결합된 SAG 준해석 모델에 PSO를 적용한다.
• 은하 형성의 비가속 물질 과정(예: 별 형성, 피드백 등)과 관련된 여섯 가지 핵심 매개변수를 제외한 나머지 모든 매개변수를 고정하고, 오직 이들만을 조정하여 관측 자료와 일치시킨다.
• 다양한 관측 제약 조건을 사용: z = 0에서의 K-, B-, r-band 등급 함수, 블랙홀-버스트 질량 관계, 초신성 발생률, 그리고 0.5 ≤ z ≤ 3.0 범위의 UV 등급 함수.
• 다양한 관측 자료 조합을 사용한 여러 캘리브레이션 런을 수행하여 결과의 일관성과 강건성을 테스트한다.
• 최적의 매개변수 조합을 사용하여 z = 1, 2, 3에서 K- 및 B-band 등급 함수 예측과 z = 0에서의 은하-은하 상관 함수를 생성한다.

실험 결과

연구 질문

• RQ1 입자 군집 최적화(PSO)는 고차원 매개변수 공간에서 준해석 모델을 효과적이고 효율적으로 캘리브레이션할 수 있는가?
• RQ2 특히 고적도 데이터를 포함할 경우, 다양한 관측 제약 조합에서 캘리브레이션된 매개변수 조합의 강건성은 어떻게 되는가?
• RQ3 은하 등급 함수 및 군집도 예측이 다양한 캘리브레이션 선택 사례에서 얼마나 일관되게 유지되는가?
• RQ4 중간 및 고적도 관측 자료를 포함할 경우, 지역 관측 자료만을 사용한 경우와 비교해 최적의 매개변수 조합이 크게 달라지는가?
• RQ5 PSO는 새로운 천체물리 과정을 은하 형성 모델에서 테스트하기 위한 실용적이고 확장 가능한 도구가 될 수 있는가?

주요 결과

• PSO 알고리즘이 계산적으로 효율적인 방식으로 최적의 매개변수 조합을 성공적으로 식별하였으며, 비용과 수렴 속도 측면에서 전통적 샘플링 방법보다 뛰어난 성능을 보였다.
• 다양한 캘리브레이션 런 간에 z = 1, 2, 3에서 K- 및 B-band 등급 함수의 모델 예측이 일관되게 유지되어 모델 출력의 강건성을 시사한다.
• 최적의 매개변수 조합은 z = 0에서의 은하-은하 상관 함수를 잘 재현하여 모델의 대규모 구조 예측을 검증한다.
• z = 0 등급 함수만을 포함한 캘리브레이션 결과는 중간 및 고적도 데이터를 포함한 경우와 매우 유사하여 지역 관측 자료가 매우 강력한 제약 조건임을 시사한다.
• 다양한 캘리브레이션 조합 간의 결과 일관성은, z = 0 등급 함수가 포함되어 있다면 특정 관측 자료 세트에 강하게 의존하지 않는다는 점을 시사하며, 모델의 거동이 관측 자료의 조합에 크게 의존하지 않는다는 것을 의미한다.
• 이 방법은 빠른 매개변수 공간 탐색을 가능하게 하여, 준해석 모델에서 새로운 천체물리 과정의 영향을 평가하기 위한 신뢰할 수 있고 빠른 프레임워크를 제공한다.