[论文解读] Learning Reionization History from Quasars with Simulation-Based Inference

Huanqing Chen, Joshua S. Speagle+1 more|arXiv (Cornell University)|Nov 27, 2023

Galaxies: Formation, Evolution, Phenomena被引用 4

一句话总结

本文提出使用基于模拟的推断（SBI）结合条件归一化流，从高红移类星体光谱中提取宇宙的中性分数，利用阻尼翼特征打破参数之间的退化关系。SBI 在实现无偏、精确推断并给出真实不确定性方面优于传统伪似然方法，中性分数估计的均方根偏差为 0.06。

ABSTRACT

Understanding the entire history of the ionization state of the intergalactic medium (IGM) is at the frontier of astrophysics and cosmology. A promising method to achieve this is by extracting the damping wing signal from the neutral IGM. As hundreds of redshift $z>6$ quasars are observed, we anticipate determining the detailed time evolution of the ionization fraction with unprecedented fidelity. However, traditional approaches to parameter inference are not sufficiently accurate. We assess the performance of a simulation-based inference (SBI) method to infer the neutral fraction of the universe from quasar spectra. The SBI method adeptly exploits the shape information of the damping wing, enabling precise estimations of the neutral fraction $\left_{ m v}$ and the wing position $w_p$. Importantly, the SBI framework successfully breaks the degeneracy between these two parameters, offering unbiased estimates of both. This makes the SBI superior to the traditional method using a pseudo-likelihood function. We anticipate that SBI will be essential to determine robustly the ionization history of the Universe through joint inference from the hundreds of high-$z$ spectra we will observe.

研究动机与目标

• 开发一种稳健的方法，从高红移类星体光谱中推断全局中性分数 ⟨x_HI⟩_v，克服传统基于似然方法的局限性。
• 解决阻尼翼位置 wp 与中性分数 ⟨x_HI⟩_v 之间的退化问题，该问题困扰着传统的伪似然方法。
• 利用基于模拟的推断，实现对数百个即将发布的高红移类星体光谱的准确、联合推断，以重建再电离历史。
• 通过概率校准检验校准参数估计的不确定性，并验证推断框架的可靠性。

提出的方法

• 该方法采用基于模拟的推断（SBI）和条件归一化流，对给定潜在参数时观测到的类星体光谱似然进行建模，绕过难以解析计算的似然函数。
• 结合预先计算的流体动力学模拟（CROC）用于 Lyα 森林，以及来自 [5] 的单独阻尼翼数据库，生成复合类星体光谱。
• SBI 框架学习一个条件密度估计器，将观测光谱映射到 ⟨x_HI⟩_v 和 wp 的后验分布，捕捉复杂的像素级相关性。
• 该方法采用无需似然的推断策略，通过条件化于完整的光谱形状，实现对阻尼翼细微特征的提取。
• 通过在估计分位数的秩分布上进行柯尔莫哥洛夫-斯米尔诺夫检验，实现不确定性校准，验证后验概率密度函数的可靠性。
• 通过将单个光谱串联作为输入，该方法可扩展至多张光谱，实现对数百个类星体的联合推断。

实验结果

研究问题

• RQ1 基于模拟的推断结合归一化流是否能在从类星体阻尼翼估计中性分数方面优于传统伪似然方法？
• RQ2 SBI 在多大程度上打破了阻尼翼位置 wp 与中性分数 ⟨x_HI⟩_v 之间的退化关系？
• RQ3 SBI 的后验不确定性在不同真实参数值下是否校准良好且无偏？
• RQ4 与伪似然方法相比，SBI 在单个类星体光谱上的偏差和离散度表现如何？

主要发现

• SBI 方法在 ⟨x_HI⟩_v 估计中实现了 0.06 的均方根偏差，显著低于传统伪似然方法的 0.11 均方根偏差。
• SBI 后验分布校准良好，秩分布的 K-S 检验 p 值为 0.16，表明无明显校准偏差的证据。
• SBI 约束的典型离散度（均方根 0.12）与阻尼翼的宇宙方差大致相等，表明推断性能接近最优。
• SBI 框架通过利用阻尼翼形状中像素间的相关性，成功打破了 ⟨x_HI⟩_v 与 wp 之间的退化关系。
• 传统伪似然方法表现出 U 形秩分布，表明其对不确定性的预测不足，并在参数估计中存在系统性偏差。
• 通过串联输入，SBI 方法可扩展至多张光谱，适用于未来巡天中预计的数百个高红移类星体的联合推断。