[论文解读] Euclid: Validation of the MontePython forecasting tools

Santiago Casas, Julien Lesgourgues+127 more|arXiv (Cornell University)|Jan 1, 2023

Insurance, Mortality, Demography, Risk Management参考文献 2被引用 2

一句话总结

本论文通过严格比较蒙特卡洛Python（MontePython）预测管道的费舍尔矩阵预测结果——基于模拟似然函数的数值二阶导数计算——与既有的CosmicFish预测结果以及欧几里得合作项目（Euclid Collaboration）的费舍尔矩阵结果，验证了其在欧几里得空间任务中的有效性。结果表明，在多种配置下，预测结果之间达到近乎完美的吻合（误差在2%以内），确认了高精度（HP）参数设置对稳定性至关重要，并通过费舍尔椭圆与MCMC可信区域的一致性，验证了高斯近似的有效性，从而为ΛCDM以外的扩展宇宙学模型提供了可靠的预测能力。

ABSTRACT

The Euclid mission of the European Space Agency will perform a survey of weak lensing cosmic shear and galaxy clustering in order to constrain cosmological models and fundamental physics. We expand and adjust the mock Euclid likelihoods of the MontePython software in order to match the exact recipes used in previous Euclid Fisher matrix forecasts for several probes: weak lensing cosmic shear, photometric galaxy clustering, the cross-correlation between the latter observables, and spectroscopic galaxy clustering. We also establish which precision settings are required when running the Einstein-Boltzmann solvers CLASS and CAMB in the context of Euclid. For the minimal cosmological model, extended to include dynamical dark energy, we perform Fisher matrix forecasts based directly on a numerical evaluation of second derivatives of the likelihood with respect to model parameters. We compare our results with those of other forecasting methods and tools. We show that such MontePython forecasts agree very well with previous Fisher forecasts published by the Euclid Collaboration, and also, with new forecasts produced by the CosmicFish code, now interfaced directly with the two Einstein-Boltzmann solvers CAMB and CLASS. Moreover, to establish the validity of the Gaussian approximation, we show that the Fisher matrix marginal error contours coincide with the credible regions obtained when running Monte Carlo Markov Chains with MontePython while using the exact same mock likelihoods. The new Euclid forecast pipelines presented here are ready for use with additional cosmological parameters, in order to explore extended cosmological models.

研究动机与目标

• 验证MontePython在欧几里得任务中的预测管道，与欧几里得合作项目及CosmicFish提供的既有的费舍尔矩阵预测结果的一致性。
• 评估在欧几里得预测背景下，爱因斯坦-玻尔兹曼求解器CAMB与CLASS的数值稳定性及其所需的精度设置。
• 通过使用相同模拟似然函数的MCMC推导可信区域，验证费舍尔矩阵预测中高斯近似的有效性。
• 通过确保MontePython中费舍尔模式与MCMC模式的一致性，实现对非标准宇宙学模型的稳健且可扩展的预测。
• 记录并标准化CAMB与CLASS的精度设置，以确保在预测管道中实现相互一致与数值稳定。

提出的方法

• 在MontePython中通过有限差分法数值计算费舍尔矩阵，即在最佳拟合点附近对模拟欧几里得似然函数进行二阶导数计算。
• 将MontePython的费舍尔预测结果与CosmicFish的预测结果直接对比，后者使用相同的理论预测但采用不同的算法实现。
• 通过即用型和预计算的爱因斯坦-玻尔兹曼求解器（EBS）调用（使用CAMB与CLASS）来测试结果的一致性与数值鲁棒性。
• 通过在MontePython中运行MCMC链并对比其结果与费舍尔椭圆，验证高斯近似的有效性。
• 系统性地测试不同的EBS精度设置（如DP与HP）及步长，以识别能最小化数值噪声与高阶非高斯性效应的最优配置。
• 实现并基准测试CosmicFish与EBS（CAMB与CLASS）之间的四种接口，包括是否使用预计算的理论文件，以确保不同预测管道间的一致性。

实验结果

研究问题

• RQ1 在ΛCDM+{w0, wa}模型下，MontePython的费舍尔矩阵预测结果与CosmicFish及欧几里得合作项目EP:VII预测结果的吻合程度如何？
• RQ2 在CAMB与CLASS中，为确保欧几里得预测中费舍尔矩阵预测的稳定、准确与相互一致性，需要哪些精度设置（如DP与HP）？
• RQ3 费舍尔椭圆与MCMC推导的可信区域之间的重叠程度在多大程度上证明了欧几里得预测中高斯近似的有效性？
• RQ4 当使用相同的模拟似然函数时，MontePython预测管道是否能可靠地在费舍尔模式与MCMC模式下产生一致的预测结果？
• RQ5 在欧几里得预测背景下，步长与数值噪声对基于有限差分法的费舍尔矩阵计算精度有何影响？

主要发现

• 在悲观设定下，MontePython的费舍尔矩阵预测结果与CosmicFish及EP:VII预测结果在弱引力透镜（光谱）与星系红移（光谱）探测中的一致性达到2%或更好。
• 在MontePython管道中，使用HP精度设置对CAMB与CLASS是实现稳定且准确的费舍尔矩阵计算所必需的，而CosmicFish中DP设置已足够。
• MontePython的费舍尔矩阵边际误差轮廓与使用相同模拟似然函数的MCMC链推导出的可信区域高度一致，证实了ΛCDM+{w0, wa}模型下高斯近似的有效性。
• 当通过其Python封装调用时，CAMB与CLASS计算出的预测结果之间差异小于0.5%，表明不同EBS之间具有高度一致性。
• MP/费舍尔预测管道对小步长下的数值噪声敏感，对大步长下的非高斯性效应也敏感，但通过HP设置及光谱与光谱探测分别采用10%与5%的边际误差步长，可获得稳定结果。
• 验证结果表明，MontePython的模拟似然函数具有鲁棒性与一致性，使其在费舍尔与MCMC模式下均可用于对ΛCDM以外的扩展宇宙学模型进行可靠预测。