[논문 리뷰] Map-based cosmology inference with lognormal cosmic shear maps

Supranta S. Boruah, Eduardo Rozo외 1명|arXiv (Cornell University)|2022. 04. 27.

Statistical Methods and Inference인용 수 4

한 줄 요약

이 논문은 약한 렌즈 효과의 비틀림 데이터에 조건화된 로그노멀 확률장으로 우주 수렴장 모델링을 통해 천체물리학적 파arameter와 질량 지ap을 함께 추론할 수 있는 지도 기반 천체론 추론 프레임워크를 제안한다. 이 방법은 비가우시안 특성과 밴드 간 상관관계를 고려함으로써 기존의 두 점 상관 함수 방법 대비 σ₈–Ω₮에 대한 천체물리학적 제약 조건을 30% 향상시킨다.

ABSTRACT

Most cosmic shear analyses to date have relied on summary statistics (e.g. $ξ_+$ and $ξ_-$). These types of analyses are necessarily sub-optimal, as the use of summary statistics is lossy. In this paper, we forward-model the convergence field of the Universe as a lognormal random field conditioned on the observed shear data. This new map-based inference framework enables us to recover the joint posterior of the cosmological parameters and the convergence field of the Universe. Our analysis properly accounts for the covariance in the mass maps across tomographic bins, which significantly improves the fidelity of the maps relative to single-bin reconstructions. We verify that applying our inference pipeline to Gaussian random fields recovers posteriors that are in excellent agreement with their analytical counterparts. At the resolution of our maps -- and to the extent that the convergence field can be described by the lognormal model -- our map posteriors allow us to reconstruct \it all m summary statistics (including non-Gaussian statistics). We forecast that a map-based inference analysis of LSST-Y10 data can improve cosmological constraints in the $σ_8$--$Ω_{ m m}$ plane by $\approx 30\%$ relative to the currently standard cosmic shear analysis. This improvement happens almost entirely along the $S_8=σ_8Ω_{ m m}^{1/2}$ directions, meaning map-based inference fails to significantly improve constraints on $S_8$.

연구 동기 및 목표

• 기존의 두 점 통계보다 약한 렌즈 비틀림 데이터로부터 비가우시안 천체물리학적 정보를 보다 효과적으로 포착할 수 있는 지도 기반 추론 프레임워크를 개발하는 것.
• 기존의 지도 기반 방법의 한계인 해상도 부족, 단일 밴드 재구성, 고정된 천체물리학적 파arameter 문제를 해결하는 것.
• 로그노멀 사전 분포를 사용한 베이지안 정방향 모델링 접근을 통해 천체물리학적 파arameter와 2차원 수렴장의 공동 추론을 가능하게 하는 것.
• 타호메트릭적 적색편이 밴드 간 공분산을 적절히 고려함으로써 질량 지도의 정밀도를 향상시키는 것.
• 향후 LSST-Y10 데이터에서 이 방법의 천체물리학적 제약 조건 향상 정도를 예측하는 것.

제안 방법

• 이 방법은 관측된 우주 렌즈 비틀림 데이터에 조건화된 다변량 로그노멀 사전 분포를 가진 2차원 수렴장 샘플링을 수행하는 베이지안 정방향 모델링 프레임워크를 사용한다.
• 마르코프 체인 몬테카를로(MCMC) 샘플링을 통해 사후 분포를 풀어 천체물리학적 파arameter와 수렴장을 동시에 추론한다.
• 타호메트릭 적색편이 밴드 간 상관관계를 고려함으로써 단일 밴드 접근 대비 질량 지도 재구성 정밀도를 크게 향상시킨다.
• 수렴장에 조건화된 비틀림 데이터의 가능도에 대해 정규 근사법을 사용하여 공동 사후 분포의 효율적 샘플링을 가능하게 한다.
• 가우시안 랜덤 필드에서의 검증을 통해 분석적 사후 분포와 뛰어난 일치를 보였다.
• 실제 LSST-Y10 유사 시뮬레이션을 고려한 실제 소스 적색편이 분포와 노이즈 모델을 통합하여 이 방법을 확장하였다.

실험 결과

연구 질문

• RQ1 수렴장 모델을 로그노멀 확률장으로 가정하는 지도 기반 추론 프레임워크가 두 점 통계보다 더 높은 정밀도로 천체물리학적 파arameter와 질량 지도를 복원할 수 있는가?
• RQ2 타호메트릭 렌즈 비틀림 데이터에서 밴드 간 공분산을 고려할 경우 질량 지도 재구성과 천체물리학적 제약 조건은 어떻게 향상되는가?
• RQ3 로그노멀 사전 분포가 수렴장의 피크와 공허와 같은 비가우시안 특성을 어느 정도 잘 포착하는가?
• RQ4 LSST-Y10 데이터에서 지도 기반 추론을 사용할 경우 표준 파워 스펙트럼 기반 분석 대비 천체물리학적 제약 조건 정밀도는 얼마나 향상되는가?
• RQ5 형상 노이즈와 광학적 적색편이 불확실성 등 실제 설문 조건 하에서 이 방법은 어떻게 성능을 발휘하는가?

주요 결과

• 가우시안 랜덤 필드에서 테스트한 결과, 지도 기반 추론 프레임워크는 분석적 기대와 뛰어난 일치를 보였다.
• 로그노멀 모델 하에서 피크 수와 공허 수와 같은 비가우시안 요약 통계량을 모두 성공적으로 재구성하였다.
• 타호메트릭 밴드 간 공분산을 고려함으로써 단일 밴드 재구성 대비 질량 지도의 정밀도가 크게 향상되었다.
• LSST-Y10 유사 시뮬레이션에서, 기존의 두 점 상관 함수 분석 대비 σ₈–Ωₘ 평면에서 약 30% 향상된 천체물리학적 제약 조건을 달성하였다.
• 향상은 거의 전적으로 S₈ = σ₈Ωₘ¹ᐟ² 방향으로 발생하여 S₈를 제약하는 데에는 거의 추가 이득이 없음을 시사한다.
• 로그노멀 모델이 성립할 경우 사전 분포 잘못 설정에 대해서도 이 방법은 강건한 편이지만, 소규모 스케일의 비가우시안성은 정규화 흐름 또는 GAN과 같은 고급 사전 분포가 필요할 수 있다.