[논문 리뷰] Jackknife resampling technique on mocks: an alternative method for covariance matrix estimation

S. Escoffier, M.-C. Cousinou외 7명|arXiv (Cornell University)|2016. 06. 01.

Galaxies: Formation, Evolution, Phenomena참고 문헌 2인용 수 12

한 줄 요약

이 논문은 천체물리학적 공분산 행렬 추정에 있어 몇 배 적은 수의 시뮬레이션으로도 정확한 추정을 가능하게 하는, 몽키호크 시뮬레이션 카탈로그(스모크 메서드, smc)에 적용된 재표본 추출 기법을 제안한다. 내부 재표본 추출을 통해 단 48개의 몽키호크 카탈로그만으로도 600개의 전체 몽키호크 카탈로그와 동일한 수준의 수렴을 달성하며, 필요로 하는 시뮬레이션 수를 약 7배 감소시키면서도 분산 및 정밀도 행렬 추정의 정확성을 유지한다.

ABSTRACT

We present a fast and robust alternative method to compute covariance matrix in case of cosmology studies. Our method is based on the jackknife resampling applied on simulation mock catalogues. Using a set of 600 BOSS DR11 mock catalogues as a reference, we find that the jackknife technique gives a similar galaxy clustering covariance matrix estimate by requiring a smaller number of mocks. A comparison of convergence rates show that $\sim$7 times fewer simulations are needed to get a similar accuracy on variance. We expect this technique to be applied in any analysis where the number of available N-body simulations is low.

연구 동기 및 목표

• 우주론적 매개변수 추정에서 정확한 공분산 행렬 추정을 위해 대규모 N-body 몽키호크 카탈로그를 생성하는 계산적 부담을 완화하기 위해.
• 공분산 및 정밀도 행렬 추정의 정확성을 훼손하지 않으면서도 필요한 몽키호크 시뮬레이션 수를 줄이기 위해.
• 몽키호크 카탈로그 수가 제한된 상황에서 기존의 위셔트 기반 공분산 추정 기법에 대한 강력하고 빠른 대안을 개발하기 위해.
• 600개의 독립적인 몽키호크 카탈로그를 기준으로 한 대규모 기준 집합과 비교하여 몽키호크 카탈로그에 적용된 재표본 추출 기법(smc 방법)의 타당성을 검증하기 위해.
• 기존 몽키호크 기반 추정과 비교하여 smc 방법의 수렴 속도와 효율성을 정량화하기 위해.

제안 방법

• N_M개의 독립적인 몽키호크 카탈로그 집합에 대해 삭제-d 재표본 추출 기법을 적용하며, 각 몽키호크를 재표본 단위로 간주한다.
• 재표본 공분산 행렬을 다음 공식을 통해 추정한다: C̄_ij = (N_M - 1)/N_M * Σ_d (θ̄_i^{(d)} - θ̄_i)^2, 여기서 θ̄_i^{(d)}는 d번째 몽키호크를 제외한 나머지 모든 몽키호크에서 i번째 통계량의 평균이다.
• 재표본 추정 공분산 행렬의 편향을 보정하기 위해 위셔트 보정을 적용한다.
• 기준으로 삼은 600개의 독립적인 몽키호크 카탈로그로부터 추정한 공분산 및 정밀도 행렬과 비교한다.
• 공분산 행렬의 대각성분에 대한 상대 불확실도를 계산하여 수렴 정도를 평가하고, 다양한 방법 간에 비교한다.
• 표준 몽키호크 기반 추정과 재표본 기반 추정 간의 수렴 속도를 비교하기 위해 공분산 행렬의 트레이스를 이용해 정규화된 불확실도 측도를 정의한다.

실험 결과

연구 질문

• RQ1 소수의 몽키호크 카탈로그에 재표본 추출을 적용할 경우, 대규모 몽키호크 집합에서 추정한 것과 동일한 정확도의 공분산 행렬 추정치를 도출할 수 있는가?
• RQ2 재표본 기반 공분산 추정의 수렴 속도는 표준 몽키호크 기반 방법에 비해 필요한 몽키호크 수 측면에서 어떻게 다른가?
• RQ3 재표본 방법은 정밀도 행렬의 구조, 특히 비대각성분 상관관계를 어느 정도 잘 유지하는가?
• RQ4 초기 몽키호크 수가 표준 요구 조건 N_M ≫ N_bins 이하로 감소할 경우, smc 방법은 분산 추정의 정확성을 유지하는가?
• RQ5 몽키호크에 적용된 재표본 기법이 계산 비용을 7배 이상 감소시키면서도 통계적 신뢰성을 유지할 수 있는가?

주요 결과

• 몽키호크 카탈로그에 적용된 재표본 추출 기법(smc)은 600개의 독립적인 몽키호크 카탈로그에서 추정한 기준 값과 매우 유사한 공분산 행렬 추정치를 도출한다.
• smc 방법을 통해 추정한 정밀도 행렬은 위셔트 보정 이후 특히 대각성분에서 600개 몽키호크 기준과 강한 일치를 보인다.
• 정밀도 행렬의 비대각성분 상관계수는 smc 방법에 의해 잘 재현되며, 이는 공분산 구조를 잘 포착할 수 있음을 시사한다.
• smc 방법의 수렴 속도는 표준 몽키호크 기반 추정보다 약 7배 더 빠르며, 600개 몽키호크의 정확도에 도달하기 위해 약 85개의 초기 몽키호크만으로도 충분하다.
• 공분산 행렬의 대각성분에 대한 상대 불확실도는 몽키호크 수의 역제곱근에 비례하여 감소하며, 이는 재표본 추정기의 이론적 수렴 행동을 확인하는 데 기여한다.
• 사용 가능한 N-body 시뮬레이션 수가 제한된 상황에서 smc 방법은 강력하고 계산적으로 효율적인 공분산 추정 대안을 제공한다.