[논문 리뷰] Improved Master for the LSS: Fast and accurate analysis of the two point power spectra and correlation functions

Sukhdeep Singh|arXiv (Cornell University)|2021. 05. 10.

Astronomy and Astrophysical Research인용 수 4

한 줄 요약

이 논문은 대규모 구조 설문조사에서 이중 통계—스펙트럼과 상관 함수—를 빠르고 정확하게 추정하기 위한 iMaster 알고리즘을 소개한다. 이 알고리즘은 이론적 모델을 사용해 가상-Cℓ 추정기에서 창 함수 편향을 보정함으로써, 후처리 보정 없이 편향이 없는 최적의 측정을 가능하게 하며, 특히 고ℓ 및 복잡한 선택 함수를 가진 설문조사에서 고정밀 우주론에 있어 정확도를 크게 향상시킨다.

ABSTRACT

We review the methodology for measurements of two point functions of the cosmological observables, both power spectra and correlation functions. For pseudo-$C_\\ell$ estimators, we will argue that the window weighted overdensity field can yield more optimal measurements as the window acts as an inverse noise weight, an effect that becomes more important for surveys with a variable selection function. We then discuss the impact of approximations made in the {\\sc Master} algorithm and suggest improvements, the {\\sc $i$Master} algorithm, that uses the theoretical model to give unbiased results for arbitrarily complex windows provided that the model satisfies weak accuracy conditions. The methodology of {\\sc $i$Master} algorithm is also generalized to the correlation functions to reconstruct the binned power spectra, for E/B mode separation, or to properly convolve the correlation functions to account for the scale cuts in the Fourier space model. We also show that the errors in the window estimation lead to both additive and multiplicative effects on the over density field. Multiplicative effects show up as mis-estimated window power and are typically higher order but can be important at the few percent precision requirements. Accurate estimation of window power can be required up to scales of $\\sim 2\\ell_\ ext{max}$ or larger. Misestimation of the window power leads to biases in the measured power spectra which scale as ${\\delta C_\\ell}\\sim M^W_{\\ell\\ell'}\\delta W_{\\ell'}$, where the $M^W_{\\ell\\ell'}$ scales as $\\sim(2\\ell+1)C_\\ell$ leading to effects that can be important at high $\\ell$. While the notation in this paper is geared towards photometric galaxy surveys, the discussion is equally applicable to spectroscopic galaxy, intensity mapping and CMB surveys.

연구 동기 및 목표

• 대규모 구조 설문조사에서 설문조사 창 함수 모델링의 정확도가 떨어질 경우 발생하는 가상-Cℓ 추정기의 체계적 편향 문제를 해결하기 위해.
• 이론적 모델의 비틀림 및 창 함수 보정을 분석적으로 통합함으로써, 이론적 모델의 비틀림 없이 직접 비교가 가능한 계산 효율적인 방법을 개발하기 위해.
• 향상된 알고리즘을 상관 함수로 일반화하여, 푸리에 공간에서 척도 컷과의 적절한 컨volution 및 E/B 모드 분리가 가능하도록 하기 위해.
• 초기 설정 이후 복잡도를 O(ℓ_max²)에서 O(N_bin²)로 낮춤으로써, LSST 3×2pt 설문조사와 같은 대규모 분석에서 메모리 및 계산 비용을 줄이기 위해.
• 창 함수 파wer 추정 오차가 우주론적 파워 스펙트럼에 미치는 영향을 정량화하여, 편향이 δCℓ ∼ M^W_ℓℓ′ δW_ℓ′ 비례하며 M^W ∝ (2ℓ+1)Cℓ임을 보여주기 위해.

제안 방법

• iMaster 알고리즘은 표준 마스터 알고리즘의 편향을 이론적 파워 스펙트럼을 사용해 창 함수 반응을 모델링함으로써 보정하여, 복잡하고 비균일한 창 함수가 존재하더라도 편향 없는 재구성 가능성을 확보한다.
• 이론적 파워 스펙트럼과 진짜 창 함수를 고려한 수정된 결합 행렬을 사용하여, 가상-Cℓ 추정기에서 발생하는 덧셈 및 승법 오차를 유발하는 근사치를 피한다.
• 창 가중 상관 함수를 역으로 풀어 이론적 모델에 기반한 이산화된 파워 스펙트럼을 재구성함으로써 상관 함수로의 일반화를 달성하며, E/B 모드 분리 및 푸리에 공간 척도 컷과의 정확한 컨볼루션을 가능하게 한다.
• 이 알고리즘은 이론적 모델의 비틀림 없이 비틀림 및 창 함수 보정을 분석적으로 수행하여, 효과적인 비틀림 중심에서 이론적 모델과 직접 비교할 수 있도록 하며 추가 보정이 필요 없도록 한다.
• 초기 설정 이후 복잡도를 O(ℓ_max²)에서 O(N_bin²)로 감소시켜, 대규모 매개변수 공간 샘플링 분석에서 성능을 크게 향상시킨다.
• 창 함수 추정에서 발생하는 덧셈 및 승법 오차를 고려하여, 편향을 피하기 위해 정확한 창 함수 파워 추정이 약 ∼2ℓ_max 또는 그 이상의 스케일까지 필요함을 보여준다.

실험 결과

연구 질문

• RQ1 창 함수 추정의 정확도가 떨어질 경우 측정된 파워 스펙트럼에 퍼져나가는 편향은 어떻게 영향을 미치며, 그 스케일링 행동은 어떠한가?
• RQ2 표준 마스터 알고리즘이 파워 스펙트럼 스케일링에 대한 잘못된 가정으로 인해 발생하는 편향을 체계적으로 개선할 수 있는가?
• RQ3 iMaster 알고리즘이 LSST 3×2pt 설문조사와 같은 대규모 우주론 분석에서 계산 및 메모리 비용을 얼마나 줄일 수 있는가?
• RQ4 iMaster 프레임워크는 어떻게 상관 함수로 확장되어 푸리에 공간에서 척도 컷과의 적절한 컨볼루션 및 E/B 모드 분리를 가능하게 하는가?
• RQ5 특히 고ℓ 영역에서 편향 없는 우주론적 추론을 확보하기 위해 창 함수 파워 추정의 어느 정도의 정확도가 요구되는가?

주요 결과

• iMaster 알고리즘은 이론적 파워 스펙트럼을 사용해 창 함수 반응을 모델링함으로써 가상-Cℓ 추정기의 편향을 제거하여, 복잡하고 비균일한 창 함수가 존재하더라도 편향 없는 결과를 보장한다.
• 창 함수 파워 추정 오차는 δCℓ ∼ M^W_ℓℓ′ δW_ℓ′ 비례로 측정된 파워 스펙트럼의 편향을 유발하며, M^W ∝ (2ℓ+1)Cℓ 이므로 고ℓ 영역에서 창 함수 정확도에 매우 민감하다.
• 편향을 피하기 위해 창 함수 파워 추정이 약 ∼2ℓ_max 또는 그 이상의 스케일까지 정확하게 이루어져야 한다.
• iMaster 알고리즘은 비틀림 및 창 함수 보정을 분석적으로 수행함으로써 이론적 비틀림 모델과 직접 비교할 수 있도록 하여, 후처리 보정이 필요 없도록 한다.
• 이 방법은 복잡도를 O(ℓ_max²)에서 O(N_bin²)로 감소시켜, LSST 3×2pt 설문조사와 같은 대규모 분석에서 성능을 크게 향상시킨다.
• 이 프레임워크는 상관 함수로 일반화되어 E/B 모드 분리 및 푸리에 공간 척도 컷과의 적절한 컨볼루션을 가능하게 하는 이산화된 파워 스펙트럼 재구성도 가능하다.