[논문 리뷰] Sensitivity Analysis of Simulation-Based Inference for Galaxy Clustering

Chirag Modi, Shivam Pandey외 4명|arXiv (Cornell University)|2023. 09. 26.

demographic modeling and climate adaptation인용 수 4

한 줄 요약

이 논문은 은하 군집에 대한 시뮬레이션 기반 추론(SBI)의 민감도 분석을 수행하여 중력 모델, 헬로-파인더(FoF 대비 Rockstar), 그리고 은하-헬로 점유 분포(HOD) 모델의 변화가 은하 파라미터 σ₈와 Ω₮ 추론에 미치는 영향을 평가한다. 분석 결과 SBI는 중력 모델 변화에 대해 강건하지만 헬로-파인더 선택에 매우 민감한 것으로 나타났으며, 특히 비스펙트럼 기반 추론에서 Rockstar 사용으로 인해 최대 약 20%의 편향이 발생한다. 또한 HOD의 복잡성은 강건성에 크게 영향을 미치며, 단순한 HOD 모델은 복잡한 HOD 데이터에 적용될 경우 실패한다.

ABSTRACT

Simulation-based inference (SBI) is a promising approach to leverage high fidelity cosmological simulations and extract information from the non-Gaussian, non-linear scales that cannot be modeled analytically. However, scaling SBI to the next generation of cosmological surveys faces the computational challenge of requiring a large number of accurate simulations over a wide range of cosmologies, while simultaneously encompassing large cosmological volumes at high resolution. This challenge can potentially be mitigated by balancing the accuracy and computational cost for different components of the the forward model while ensuring robust inference. To guide our steps in this, we perform a sensitivity analysis of SBI for galaxy clustering on various components of the cosmological simulations: gravity model, halo-finder and the galaxy-halo distribution models (halo-occupation distribution, HOD). We infer the $σ_8$ and $Ω_m$ using galaxy power spectrum multipoles and the bispectrum monopole assuming a galaxy number density expected from the luminous red galaxies observed using the Dark Energy Spectroscopy Instrument (DESI). We find that SBI is insensitive to changing gravity model between $N$-body simulations and particle mesh (PM) simulations. However, changing the halo-finder from friends-of-friends (FoF) to Rockstar can lead to biased estimate of $σ_8$ based on the bispectrum. For galaxy models, training SBI on more complex HOD leads to consistent inference for less complex HOD models, but SBI trained on simpler HOD models fails when applied to analyze data from a more complex HOD model. Based on our results, we discuss the outlook on cosmological simulations with a focus on applying SBI approaches to future galaxy surveys.

연구 동기 및 목표

• 우주론적 시뮬레이션의 핵심 구성 요소에 대한 변동에 따른 시뮬레이션 기반 추론(SBI)의 강건성을 평가하기 위해.
• 중력, 헬로-파인더, 또는 은하-헬로 점유 분포(HOD)와 같은 시뮬레이션 모델 구성 요소 중에서 σ₈와 Ωₘ 추론 정확도에 가장 큰 영향을 미치는 요소를 규명하기 위해.
• 단순한 모델로 훈련된 SBI가 더 복잡한 모델의 데이터에 적용되었을 때도 파라미터를 신뢰성 있게 추론할 수 있는지 평가하기 위해.
• 향후 세대 은하 순위 조사에 대한 SBI 응용을 안내하기 위해 모델 부정확성의 주요 원인을 규명하기 위해.
• 특히 비정규성 특징을 지닌 고차 통계량인 비스펙트럼과 같은 통계량에 대해 종합적인 민감도 분석이 고립된 구성 요소 테스트보다 중요함을 강조하기 위해.

제안 방법

• 다양한 중력 모델(N-body 대비 입자 격자 모델), 헬로-파인더(FoF 대비 Rockstar), 그리고 HOD 매개변수화 방식을 가진 고정밀 우주론적 시뮬레이션을 사용하여 SBI를 수행한다.
• 신경 밀도 추정기 모델을 훈련시켜 시뮬레이션된 은하 파wer 스펙트럼 다중극 모멘트와 비스펙트럼 단일극을 기반으로 σ₈와 Ωₘ에 대한 사후 분포를 추론한다.
• 실제 관측 조건을 반영하기 위해 DESI의 밝은 빨간은하( luminous red galaxies)의 수밀도를 고정하여 일관된 관측 스케일링을 확보한다.
• 모든 구성 요소에 대한 민감도를 평가하기 위해 종단 간 추론 파이프라인을 적용하며, 주로 사후 편향과 일관성에 중점을 둔다.
• 다양한 요약 통계량(파워 스펙트럼 대비 비스펙트럼)을 비교하여 비정규성 특징에 대한 민감도를 평가한다.
• Quijote와 FastPM 시뮬레이션 데이터셋을 활용하여 통제 가능하고 재현 가능한 민감도 테스트를 가능하게 한다.

Figure 1: Comparison of summary statistics for different forward models : We show the ratio of summary statistics for galaxy catalogs generated by varying one stage of the forward model, as indicated by the title of columns, while keeping the other two stages fixed. The three rows show the ratios fo

실험 결과

연구 질문

• RQ1 N-body 모델과 입자 격자(PM) 모델 간 중력 모델의 변화가 σ₈와 Ωₘ 추론에 어떤 영향을 미치는가?
• RQ2 FoF에서 Rockstar 헬로-파인더로 전환할 경우 은하 군집 통계량에 대한 SBI 정확도에 어떤 영향을 미치는가?
• RQ3 HOD 모델의 복잡성이 단순 HOD로 훈련된 SBI가 복잡한 HOD 데이터에 적용되었을 때의 강건성에 어떤 영향을 미치는가?
• RQ4 비스펙트럼과 같은 고차 통계량은 파워 스펙트럼보다 모델 부정확성에 더 민감한가?
• RQ5 종단 간 SBI 파이프라인은 중력 모델에 민감하지 않지만 헬로-파인더 선택에 민감한 비직관적인 민감도를 드러낼 수 있는가?

주요 결과

• SBI 추론은 N-body와 입자 격자(PM) 중력 모델 간 선택에 민감하지 않으며, σ₈나 Ωₘ 추정치에 유의미한 편향이 없다.
• FoF에서 Rockstar 헬로-파인더로 전환하면 비스펙트럼 기반 추론에서 σ₈ 추정치에 최대 약 20%의 편향이 발생하지만, 파워 스펙트럼 기반 추론은 여전히 강건하다.
• 복잡한 HOD 모델로 훈련된 SBI는 단순한 HOD 모델의 데이터에 대해 일관된 사후 분포를 생성하지만, 반대로 단순한 HOD 모델로 훈련된 SBI는 복잡한 HOD 데이터에 대해 실패한다.
• 비스펙트럼은 파워 스펙트럼보다 모델 부정확성에 더 민감하며, 파워 스펙트럼 추론이 여전히 편향 없이 유지되더라도 헬로-파인더 변경으로 인해 편향된 결과가 발생한다.
• 종단 간 민감도 분석은 중력 모델에 민감하지 않지만 헬로-파인더 선택에 매우 민감한 비직관적인 종속성 관계를 드러내며, 종합적인 파이프라인 테스트의 중요성을 강조한다.
• SBI의 강건성은 고차 통계량과 모델 부정확성에 의해 점점 더 도전받으며, 향후 설문 조사에 대비해 복잡하고 다중 모델 기반의 시뮬레이션 데이터를 활용한 검증이 필수적이다.

(a) Residuals and 1- $\sigma$ posterior width in inferring $\Omega_{m}$ and $\sigma_{8}$ (columns) for 100 different simulations with the power spectrum (top row) and bispectrum (bottom row) statistic using SBI. The labels indicate the forward model used for training. In blue we show results for SBI