[논문 리뷰] Information Gain in Cosmology: From the Discovery of Expansion to Future Surveys

Marco Raveri, M. Martinelli외 2명|arXiv (Cornell University)|2016. 06. 20.

History and Developments in Astronomy인용 수 19

한 줄 요약

이 논문은 우주론에서 지식 향상도를 측정하기 위해 재매개변수화 불변성(재매개변수화에 영향을 받지 않는) 척도로 쿨백-라이블러(Kullback-Leibler, KL) 발산을 제안한다. 이는 ΛCDM 모형이 지식 포화 상태에 이르는 반면, 향후 조사에서 질량이 있는 중성미자, 기원 중 중력파, 수정된 중력과 같은 확장 모형에 대해 예상치 못한 정보의 급증이 일어날 것임을 보여준다.

ABSTRACT

Facing the advent of the next generation cosmological surveys we present a method to forecast knowledge gain on cosmological models. We propose this as a well defined and general tool to quantify the performance of different experiments in relation to different theoretical models. In particular, the assessment of experimental performance will benefit enormously from the fact that this method is invariant under re-parametrization of the model. We apply this to future surveys and compare expected knowledge advancements to the most relevant experiments performed over the history of modern cosmology. When considering the standard cosmological model, we show that it will rapidly reach knowledge saturation in the near future and forthcoming improvements will not match the past ones. On the contrary, we find that new observations have the potential for unprecedented knowledge jumps when extensions of the standard scenario are considered.

연구 동기 및 목표

• 우주론적 실험에서 지식 진전을 정량화하기 위한 강력하고 일반적인 목적의 척도를 개발하기 위해.
• 기존의 척도가 우주론적 모형의 재매개변수화에 민감한 한계를 해결하기 위해, 재매개변수화에 불변성을 확보하기 위해.
• 다가올 조사에서의 향후 지식 향상도를 예측하고, 과거의 주요 성과들과 비교하기 위해.
• 향후 실험들이 표준 ΛCDM 모형에 비해 확장된 모형에 대해 지식 향상에 얼마나 큰 기여를 할지 조사하기 위해.
• 특정 이론적 모형에 대해 가장 높은 정보 향상도를 제공하는 실험을 식별함으로써 미션 기획을 안내하기 위해.

제안 방법

• 우선 분포와 업데이트된 후행 분포 사이의 정보 향상도를 측정하기 위해 통계적 척도로 쿨백-라이블러(KL) 발산을 사용하며, 이는 사전분포와 후행분포 사이의 상대 엔트로피로 정의된다.
• 가우시안 우도와 사전분포를 가정할 때, 두 실험의 후행분포를 비교하여 지식 향상도를 예측하기 위해 KL 발산을 적용한다.
• 후행분포의 역공분산을 모델링하기 위해 피셔 행렬을 사용하여, 가우시안 가정 하에 KL 발산을 해석적으로 계산할 수 있도록 한다.
• 사전 및 데이터 세트의 피셔 행렬의 행렬식과 트레이스를 이용해 KL 발산의 닫힌 형태 식을 유도한다.
• 공개된 CosmicFish 코드를 활용해 다수의 우주론적 모형과 실험에 대해 수치적 평가를 수행할 수 있는 예측 프레임워크를 구현한다.
• 역사적 실험들(예: 허블, WMAP, 플랑크)과 향후 조사들(예: 유클리드, 코어, LSST) 간의 지식 향상도를 ΛCDM 및 확장 모형 모두에서 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 우주론에서 지식 향상도를 정량화하기 위한 보편적이고 재매개변수화 불변성 척도를 정의할 수 있는가?
• RQ2 향후 우주론적 조사가 과거 주요 성과들과 비교해 표준 ΛCDM 모형에 대해 얼마나 많은 지식 향상도를 가져올 수 있는가?
• RQ3 질량이 있는 중성미자나 수정된 중력과 같은 ΛCDM의 확장 모델을 고려할 때 지식 향상도는 어떻게 다를까?
• RQ4 어떤 향후 실험들이 특정 새로운 물리학 부문에 대해 가장 큰 정보 급증을 가져올 수 있는가?
• RQ5 KL 발산은 향후 우주론적 조사의 과학적 목표 우선순위를 정하고 설계 최적화를 위해 사용될 수 있는가?

주요 결과

• ΛCDM 모형은 지식 포화 상태에 진입하고 있으며, 향후 조사에서 허블이 간섭성 팽창을 발견한 것 같은 과거 주요 성과들만큼의 정보 향상도는 기대되지 않는다.
• 우주 기반의 스테이지 IV 대규모 구조 조사가 ΛCDM 모형에 대해 지식 포화 상태를 초래할 것이며, 향후 추가적인 향상은 거의 기대되지 않는다.
• 질량이 있는 중성미자나 기원 중 중력파와 같은 ΛCDM의 확장 모형에 대해선 향후 조사에서 예상치 못한 정보 급증이 일어날 것이며, 특히 코어(CORE)가 기원 중 중력파에 대해 최대 2개의 자리수 수준의 정보 향상도를 제공할 것으로 예측된다.
• 호라바 중력(Hořava gravity)과 같은 모형에 대한 정보 향상도는 매우 높게 예측되어, 우주론에서 양자 중력 효과를 테스트할 잠재적 돌파구가 될 수 있음을 시사한다.
• KL 발산은 기존의 척도들(예: DETF FoM)과 달리, 서로 다른 모형들 간에 통일된 척도에서 직접적으로 지식 향상도를 비교할 수 있도록 한다.
• 토모그래픽 약한 렌즈링과 은하 군집 조사가 확장된 모형에 대해 가장 강력한 제약 조건을 제공할 것으로 예상되며, 이는 매개변수 불확실성을 약 ~10⁻⁷ 수준까지 낮출 것이다.