[论文解读] LINX: A Fast, Differentiable, and Extensible Big Bang Nucleosynthesis Package

Cara Giovanetti, Mariangela Lisanti+3 more|arXiv (Cornell University)|Aug 26, 2024

Genetics, Bioinformatics, and Biomedical Research被引用 5

一句话总结

LINX 是一个快速、可微分的 BBN 代码，使用 JAX 构建，支持基于梯度的参数推断和标准以及 Delta Neff 情景的 CMB+BBN 联合分析。

ABSTRACT

We introduce LINX (Light Isotope Nucleosynthesis with JAX), a new differentiable public Big Bang Nucleosynthesis (BBN) code designed for fast parameter estimation. By leveraging JAX, LINX achieves both speed and differentiability, enabling the use of Bayesian inference, including gradient-based methods. We discuss the formalism used in LINX for rapid primordial elemental abundance predictions and give examples of how LINX can be used. When combined with differentiable Cosmic Microwave Background (CMB) power spectrum emulators, LINX can be used for joint CMB and BBN analyses without requiring extensive computational resources, including on personal hardware.

研究动机与目标

• 提供一个快速、准确且可微分的 Big Bang Nucleosynthesis (BBN) 代码，适用于贝叶斯推断。
• 通过可微分的流程和 CMB 模拟器实现 BBN 与 CMB 数据的联合分析。
• 提供一个可扩展、易于使用的代码库，能够纳入 beyond-SBBN 情景和新物理。

提出的方法

• 使用 JAX 进行编译、向量化和自动微分，在 Python 中实现 BBN。
• 两阶段计算： (i) 计算背景宇宙学和热力学量； (ii) 使用背景和核反应/弱反应速率计算原初丰度。
• 通过弱过程对中子-质子相互转化速率进行建模，并以中子寿命作为一个干扰参数进行归一化。
• 构建核反应网络，并使用基于 JAX 的 ODE 求解器（Diffrax，Tsitouras 5/4）积分丰度演化。
• 通过可微分的多对数函数、伽马函数，以及基于 Bessel 函数的积分，为重稀有物种提供可微的热力学量。
• 将 SBBN 和 SBBN+ΔNeff 作为默认情景，具有模块化结构，便于轻松接入新物理。

实验结果

研究问题

• RQ1 如何使 BBN 代码快速且可微分，以便在宇宙学中进行基于梯度的推断？
• RQ2 LINX 是否能与 CMB 模型进行联合、完全可微分析，以约束 ΛCDM 参数和 N_eff？
• RQ3 在标准与 ΔNeff 情景下，背景热力学和电磁-中微子能量传输如何影响原初丰度？
• RQ4 LINX 的模块化框架在探索超出 SBBN 的物理方面有哪些优势？

主要发现

• LINX 在与现有快速 BBN 代码的速度相当的同时，增加了用于基于梯度的推断的可微性。
• LINX 明确计算 EM 与中微子能量传输，便于实现超出 SBBN 的情景（如 ΔNeff）。
• 代码的背景积分在 N_eff 值方面与最先进的确定结果一致（如在他们的设定中 N_eff 约为 3.044）。
• 可微性使梯度基采样方法成为可能，并可与可微 CMB 模拟器（如 CosmoPower）进行高效联合分析。
• LINX 支持在一个完全可微的管线中进行 CMB+BBN 联合分析，采用 ΛCDM + N_eff，将 LINX 与可微 CMB 代码结合。