[论文解读] KiDS-SBI: Simulation-based inference analysis of KiDS-1000 cosmic shear

Maximilian von Wietersheim-Kramsta, Kiyam Lin+5 more|arXiv (Cornell University)|Apr 23, 2024

Geophysics and Gravity Measurements被引用 7

一句话总结

本文使用前向模拟与 DELFI 进行 KiDS-1000 弱透镜的基于模拟的推断分析，以推断宇宙学参数，给出一个 S8 约束并评估系统误差。

ABSTRACT

We present a simulation-based inference (SBI) cosmological analysis of cosmic shear two-point statistics from the fourth weak gravitational lensing data release of the ESO Kilo-Degree Survey (KiDS-1000). KiDS-SBI efficiently performs non-Limber projection of the matter power spectrum via Levin's method, and constructs log-normal random matter fields on the curved sky for arbitrary cosmologies, including effective prescriptions for intrinsic alignments and baryonic feedback. The forward model samples realistic galaxy positions and shapes based on the observational characteristics, incorporating shear measurement and redshift calibration uncertainties, as well as angular anisotropies due to variations in depth and point-spread function. To enable direct comparison with standard inference, we limit our analysis to pseudo-angular power spectra. The SBI is based on sequential neural likelihood estimation to infer the posterior distribution of spatially-flat $Λ$CDM cosmological parameters from 18,000 realisations. We infer a mean marginal of the growth of structure parameter $S_{8} \equiv σ_8 (Ω_\mathrm{m} / 0.3)^{0.5} = 0.731\pm 0.033$ ($68 \%$). We present a measure of goodness-of-fit for SBI and determine that the forward model fits the data well with a probability-to-exceed of $0.42$. For fixed cosmology, the learnt likelihood is approximately Gaussian, while constraints widen compared to a Gaussian likelihood analysis due to cosmology dependence in the covariance. Neglecting variable depth and anisotropies in the point spread function in the model can cause $S_{8}$ to be overestimated by ${\sim}5\%$. Our results are in agreement with previous analysis of KiDS-1000 and reinforce a $2.9 σ$ tension with constraints from cosmic microwave background measurements. This work highlights the importance of forward-modelling systematic effects in upcoming galaxy surveys.

研究动机与目标

• 推动对 KiDS-1000 宇宙学数据的稳健推断。
• 应用基于模拟的推断（SBI）与 DELFI 来学习数据似然性，而不假设高斯形式。
• 将现实的前向建模观测系统误差（包括深度变化和 PSF 各向异性）纳入考虑。
• 将 SBI 结果与标准 KiDS-1000 分析进行比较，并评估前向模型的拟合优度。
• 量化系统误差对宇宙学参数约束的影响，并评估与 Planck CMB 结果的张力。

提出的方法

• 使用非 Limber 投影从三维物质幂谱计算二维角功率谱。
• 通过同心壳层和 GLASS 在曲率天空上构建对数正态随机物质场用于前向建模。
• 通过 HMCode 引入重子反馈和固有排列（intrinsic alignments）进入前向模型。
• 模拟包括深度变化、红移标定和测量不确定性的现实观测特征。
• 使用 DELFI 进行神经密度估计以学习隐含似然并在时空平坦 LCDM 中对例如 S8 进行后验推断。
• 将数据向量限制为伪 C_l（角功率谱），以便直接与标准 KiDS-1000 分析进行比较。

Figure 1: Spatial map of the KiDS-1000 footprint. The top panel shows a Mollweide projection of the full KiDS-1000 footprint, while the two panels at the bottom show zoomed-in Cartesian projections of KiDS-North and KiDS-South fields, respectively.

实验结果

研究问题

• RQ1 在 KiDS-1000 宇宙学剪切中，使用具有现实前向模拟的 SBI，S8 的后验约束是多少？
• RQ2 深度变化和角向各向异性在通过 SBI 传播后对推断出的宇宙学参数有何影响？
• RQ3 对于固定宇宙学，学得的 SBI 后验是否近似高斯分布，以及协方差的宇宙学依赖性如何影响约束？
• RQ4 前向模型对 KiDS-1000 数据的拟合程度如何（拟合优度）以及系统误差是否会偏离宇宙学结果？
• RQ5 SBI 结果与传统的高斯似然 KiDS-1000 分析以及基于 CMB 的约束相比如何？

主要发现

• SBI 推断出平均边际增长参数 S8 = 0.731，±0.033（68%）。
• 前向模型的拟合优度为 p 值概率超过 0.42，表明对数据的拟合是充分的。
• 对于固定宇宙学，学习到的似然近似高斯分布，但由于协方差的宇宙学依赖性，约束变宽。
• 忽略深度变化和 PSF 向异性可能将 S8 的估计偏高约 5%。
• 结果与先前的 KiDS-1000 分析一致，并强化了 S8 相对于 Planck CMB 约束的 2.9σ 张力。

Figure 2: The redshift distributions of the five KiDS-1000 tomographic bins. The shaded areas show to limits of each tomographic bin, while the solid lines show the $n(z)$ of the source galaxies in each tomographic bin as a function of both redshift, $z$ , and comoving distance, $\chi$ (the latter i