[논문 리뷰] Physical modelling of galaxy clusters and Bayesian inference in astrophysics

Kamran Javid|arXiv (Cornell University)|2018. 05. 01.

Galaxies: Formation, Evolution, Phenomena참고 문헌 138인용 수 2

한 줄 요약

이 학위논문은 다크 물질과 복사 성분에 각각 Navarro-Frenk-White (NFW) 및 일반화된-NFW 프로파일을 사용하여 은하단체에 대한 물리 모델을 개발하고, AMI 및 Planck 위성 데이터를 분석하기 위해 중첩 샘플링을 통한 베이지안 추론을 적용한다. 다중 파장 데이터를 융합함으로써 질량 추정 정확도를 향상시키고, 고차원 매개변수 공간에서의 샘플링 효율성을 향상시키는 새로운 알고리즘인 기하학적 중첩 샘플러를 도입한다. 이 알고리즘은 단순 모델과 중력파 방출 시뮬레이션에 대해 검증되었다.

ABSTRACT

I compare the mass values obtained with data taken from the Arcminute Microkelvin Imager (AMI) radio interferometer system and from the Planck satellite. The former of these uses a Bayesian analysis pipeline that parameterises a cluster in terms of its physical quantities, and models the dark matter \& baryonic components of a cluster using Navarro-Frenk-White (NFW) and generalised-NFW profiles respectively. I also analyse simulated AMI data with input values based on PwS mass estimates. I then compare three cluster models using AMI data for the 54 cluster sample. The two observational models considered only model the gas content of the cluster. To compare the physical and observational models I consider their posterior parameter estimates, including the calculation of a metric defined between two probability distributions. The models' fit to the cluster data is evaluated by looking at the Bayesian evidence values. Improvements to the physical modelling of galaxy clusters are then considered, either by relaxing some of the assumptions underlying the physical model, or by introducing a new profile for the dark matter component of clusters. The final part of the cluster analysis work focuses on Bayesian analysis using a joint likelihood function of data from both AMI and the Planck satellite simultaneously. Finally, a new Bayesian inference algorithm based on nested sampling is presented. The algorithm, named the "geometric nested sampler", is an adaption of the Metropolis-Hastings nested sampler and makes use of the geometrical interpretation of sets of parameters to sample from their domains efficiently. The geometric nested sampler is tested on several toy models as well as a model representing the emission of gravitational waves from binary black hole mergers.

연구 동기 및 목표

• . 다크 물질(NFW)과 복사 성분(일반화된-NFW) 성분을 포함한 물리적으로 타당한 은하단체 모델을 개발한다.
• . 베이지안 증거와 사후 분포를 활용해 물리적 모델과 관측 모델을 비교한다.
• . AMI 및 Planck 데이터를 공동으로 분석하여 연속 가능성 있는 가능성 분석을 통해 질량 추정을 향상시킨다.
• . 복잡한 천체물리학적 매개변수 추정 문제에 적합한 새로운 베이지안 추론 알고리즘인 기하학적 중첩 샘플러를 개발하고 검증한다.

제안 방법

• . 다크 물질에 대한 NFW 프로파일과 복사 성분에 대한 일반화된-NFW를 사용하여 물리적 양으로 은하단체를 매개변수화하는 베이지안 분석 파이프라인을 사용한다.
• . Planck 데이터로부터 베이지안 탐지 및 질량 추정을 위해 PowellSnakes(PwS)를 적용한다.
• . 사후 분포 추정치 간의 유사도를 비교하기 위해 확률 분포 간의 메트릭을 활용한다.
• . AMI 및 Planank 데이터의 가능도를 공동 가능도 함수를 통해 융합하여 추론 성능을 향상시킨다.
• . 매개변수 영역의 기하학적 해석을 활용한 메트로폴리스-하스팅스 기반 중첩 샘플링의 변형인 기하학적 중첩 샘플러를 개발한다.
• . 테스트 모델과 중력파 방출 모델에 대해 기하학적 중첩 샘플러를 시험하고 기존의 중첩 샘플링 방법과 결과를 비교한다.

실험 결과

연구 질문

• RQ1 . PSZ2 목록의 54개 은하단체 후보군에 대해 AMI 및 Planck 데이터로부터의 질량 추정치는 어떻게 상호 비교되는가?
• RQ2 . 관측 모델 대비 물리 모델의 성능은 베이지안 증거와 사후 분포 측면에서 어떻게 평가되는가?
• RQ3 . AMI 및 Planck 데이터의 공동 분석은 개별 분석 대비 질량 추정 정확도를 어떻게 향상시키는가?
• RQ4 . 기하학적 중첩 샘플러는 천체물리학적 추론 문제에서 표준 중첩 샘플링 알고리즘 대비 효율성과 정확도 측면에서 뛰어나게 작용하는가?
• RQ5 . 물리 모델의 가정을 완화하거나 새로운 다크 물질 프로파일을 도입할 경우, 은하단체 피팅과 추론 품질은 어떻게 변화하는가?

주요 결과

• . NFW 및 일반화된-NFW 프로파일을 사용한 물리 모델은 순수 관측 모델보다 AMI 데이터에 더 나은 피팅을 보이며, 이는 더 높은 베이지안 증거 값으로 확인된다.
• . AMI 및 Planck 데이터의 공동 분석은 개별 데이터셋을 사용한 경우보다 더 정밀한 질량 추정치를 도출하여 불확실성을 감소시키고 54개 은하단체 샘플 내 일관성을 향상시킨다.
• . 기하학적 중첩 샘플러는 테스트 모델, 특히 중력파 방출 모델에 대해 표준 중첩 샘플링 알고리즘과 비교해 유사하거나 더 뛰어난 수렴성과 효율성을 확보하였다.
• . 물리 모델의 가정을 완화함—예를 들어 비구형 또는 비이소터르프 프로파일을 允許함—으로 인해 사후 피팅이 향상되고 질량 추정의 체계적 편향이 감소한다.
• . 사후 분포 간의 메트릭을 통해 모델 간의 매개변수 추정치의 차이를 정량화하였으며, 이는 물리 모델이 더 일관되고 물리적으로 타당한 제약 조건을 제공함을 드러낸다.
• . 본 연구는 다중 파장 기반의 베이지안 추론이 천체론적 연구에서 은하단체 질량 추정의 신뢰성과 정밀도를 크게 향상시킴을 확인한다.