[论文解读] Information Gain in Cosmology: From the Discovery of Expansion to Future Surveys

Marco Raveri, M. Martinelli+2 more|arXiv (Cornell University)|Jun 20, 2016

History and Developments in Astronomy被引用 19

一句话总结

本文提出使用Kullback-Leibler（KL）散度作为重参数化不变的性能度量，以预测宇宙学中的知识增长。结果表明，尽管ΛCDM模型面临知识饱和，未来观测将为诸如大质量中微子、原初引力波和修改引力等理论扩展带来前所未有的信息跃迁。

ABSTRACT

Facing the advent of the next generation cosmological surveys we present a method to forecast knowledge gain on cosmological models. We propose this as a well defined and general tool to quantify the performance of different experiments in relation to different theoretical models. In particular, the assessment of experimental performance will benefit enormously from the fact that this method is invariant under re-parametrization of the model. We apply this to future surveys and compare expected knowledge advancements to the most relevant experiments performed over the history of modern cosmology. When considering the standard cosmological model, we show that it will rapidly reach knowledge saturation in the near future and forthcoming improvements will not match the past ones. On the contrary, we find that new observations have the potential for unprecedented knowledge jumps when extensions of the standard scenario are considered.

研究动机与目标

• 开发一种稳健、通用的性能度量，用于量化宇宙学实验中的知识进展。
• 通过确保在宇宙学模型重参数化下不变性，解决现有性能度量的局限性。
• 预测未来观测带来的知识增长，并与宇宙学历史上的里程碑事件进行比较。
• 研究未来实验在标准ΛCDM模型与其实验扩展之间，是否能带来显著的知识提升。
• 通过识别哪些实验能为特定理论模型提供最高信息增益，指导任务规划。

提出的方法

• 使用Kullback-Leibler（KL）散度作为两个后验分布之间信息增益的统计度量，定义为先验与更新后后验之间的相对熵。
• 将KL散度应用于通过比较两个实验的后验分布来预测知识增长，假设似然函数和先验为高斯分布。
• 使用Fisher矩阵建模后验分布的协方差逆矩阵，从而在高斯假设下实现KL散度的解析计算。
• 推导出KL散度的闭式表达式，以先验和数据集的Fisher矩阵的行列式与迹表示。
• 在公开可用的CosmicFish代码中实现预测框架，用于在多个宇宙学模型和实验中进行数值评估。
• 在ΛCDM和扩展模型下，比较历史实验（如哈勃、WMAP、普朗克）与未来观测（如欧几里得、CORE、LSST）之间的知识增长。

实验结果

研究问题

• RQ1 如何定义一种通用的、重参数化不变的性能度量，以量化宇宙学中的知识增长？
• RQ2 与过去里程碑相比，未来宇宙学观测在多大程度上将改善我们对标准ΛCDM模型的知识？
• RQ3 在考虑ΛCDM的扩展（如大质量中微子或修改引力）时，知识增长有何不同？
• RQ4 哪些未来实验将在特定新物理领域带来最大的信息跃迁？
• RQ5 KL散度能否用于优先排序科学目标，并优化未来宇宙学观测的设计？

主要发现

• ΛCDM模型正接近知识饱和，未来观测预计带来的信息增益远小于哈勃发现宇宙膨胀等历史里程碑。
• 未来第四阶段的大型宇宙结构空间观测将导致ΛCDM模型的知识饱和，进一步改进的空间极小。
• 对于ΛCDM的扩展，如大质量中微子和原初引力波，未来观测将带来前所未有的信息跃迁——CORE在原初引力波上的信息增益最高可达两个数量级。
• 对于如霍拉瓦引力等模型，信息增益的预测值极为可观，表明在宇宙学中测试量子引力效应可能迎来重大突破。
• KL散度使不同模型之间的知识增长可直接在统一尺度上比较，而传统性能度量（如DETF FoM）则不具备此能力。
• 分层弱引力透镜和星系大尺度结构观测预计对扩展模型提供最严格的约束，将参数不确定性降低至约10⁻⁷的水平。