[论文解读] Sesame: A power spectrum emulator pipeline for beyond-$Λ$CDM models

Renate Mauland, Hans A. Winther+1 more|arXiv (Cornell University)|Sep 23, 2023

Computational Physics and Python ApplicationsComputer Science参考文献 3被引用 3

一句话总结

该论文提出Sesame，一种计算流程，通过快速近似N体模拟（COLA）与神经网络结合，实现了对超越ΛCDM模型中非线性物质功率谱增益的高效模拟。通过计算比值 $ B(k,z) = P_{\text{beyond-}\Lambda\rm CDM}(k,z)/P_{\Lambda\rm CDM}(k,z) $，该方法在仅约3,000 CPU小时的计算资源下，实现了 $ k \sim 3-5\,h\,\mathrm{Mpc}^{-1} $ 范围内约1–2%的精度，显著降低了与传统模拟器相比的资源需求。

ABSTRACT

The mysterious nature of the dark sector of the $Λ$CDM model is one of the main motivators behind the study of alternative cosmological models. A central quantity of interest for these models is the matter power spectrum, which quantifies structure formation on various scales and can be cross-validated through theory, simulations, and observations. We present a tool that can be used to create emulators for the non-linear matter power spectrum, and similar global clustering statistics, for models beyond $Λ$CDM with very little computation effort and without the need for supercomputers. We use fast approximate N-body simulations to emulate the boost, $B(k,z)=P_{ ext{beyond}-Λ m CDM}(k,z) / P_{Λ m CDM}(k, z)$, and then rely on existing high-quality emulators made for $Λ$CDM to isolate $P_{ ext{beyond}-Λ m CDM}(k,z)$. Since both the $Λ$CDM and beyond-$Λ$CDM models are simulated in our approach, some of the lack of power on small scales is factored out, allowing us to extend the emulator to $k \sim 3-5\,h\,\mathrm{Mpc}^{-1}$ and still maintain good accuracy. In addition, errors from the simulation and emulation process can be estimated and factored into the covariance when using the emulator on data. As an example of using the pipeline, we create an emulator for the well-studied $f(R)$ model with massive neutrinos, using approximately 3000 CPU hours of computation time. Provided with the paper is a fully functioning pipeline that generates parameter samples, runs a Boltzmann solver to produce initial conditions, runs the simulations, and then gathers all the data and runs it through a machine learning module to develop the emulator. This tool, named Sesame, can be used by anyone to generate a power spectrum emulator for the cosmological model of their choice.

研究动机与目标

• 开发一种可扩展、低资源消耗的计算流程，用于构建超越ΛCDM宇宙学模型中物质功率谱的模拟器。
• 克服全N体模拟的高计算成本以及对超级计算机依赖的模拟器训练问题。
• 利用近似模拟方法，在非线性尺度（$ k \sim 3-5\,h\,\mathrm{Mpc}^{-1} $）上实现对功率谱增益 $ B(k,z) = P_{\text{beyond-}\Lambda\rm CDM}/P_{\Lambda\rm CDM} $ 的精确模拟。
• 将模拟分辨率误差与模拟不确定性误差整合到最终协方差矩阵中，用于数据分析。
• 为研究人员提供一个完全可复现、开源的计算流程（Sesame），用于为任意超越ΛCDM模型生成定制化模拟器。

提出的方法

• 使用共动拉格朗日加速度（COLA）方法，对ΛCDM和超越ΛCDM模型进行快速、近似的N体模拟。
• 计算功率谱增益 $ B(k,z) = P_{\text{beyond-}\Lambda\rm CDM}(k,z)/P_{\Lambda\rm CDM}(k,z) $，以分离出与ΛCDM的偏离。
• 利用现有的高精度ΛCDM模拟器，从增益和ΛCDM功率谱中重建完整的 $ P_{\text{beyond-}\Lambda\rm CDM}(k,z) $。
• 使用PyTorch Lightning框架，在模拟得到的增益数据上训练神经网络，构建可微分、插值型模拟器。
• 对模拟设置进行收敛性测试，并采用拉丁超立方采样方法，高效探索宇宙学参数空间。
• 通过结合高分辨率N体模拟对比得到的分辨率效应与训练数据带来的模拟不确定性，估算总误差。

实验结果

研究问题

• RQ1 是否可以使用像COLA这样低成本的近似模拟方法，准确模拟超越ΛCDM模型中非线性物质功率谱的增益？
• RQ2 在增益比值中，分辨率相关伪影的抵消能在多大程度上将模拟器的动态范围扩展至 $ k \sim 3-5\,h\,\mathrm{Mpc}^{-1} $？
• RQ3 在像 $ f(R) $ 修正引力且包含大质量中微子的模型中，基于COLA模拟增益训练的神经网络模拟器，能否高精度再现真实功率谱？
• RQ4 模拟器的误差预算是否可以被可靠估计，并传播到宇宙学数据分析中？
• RQ5 是否可行构建一个完全自动化、可重用的计算流程，用于为自定义超越ΛCDM模型进行模拟，且对超级计算机资源需求极低？

主要发现

• Sesame计算流程在红移 $ z = 0 $ 时，对包含大质量中微子的 $ f(R) $ 引力模型，实现了非线性增益约1–2%的精度，可延伸至 $ k \sim 3-5\,h\,\mathrm{Mpc}^{-1} $。
• 针对 $ f(R) $ 引力的完全线性增益模拟器与模拟结果相比，误差低于百分之一，表明在弱非线性区域具有极高保真度。
• 该方法将完整模拟器所需的计算时间减少至约3,000 CPU小时，远低于传统ΛCDM模拟器流程所需的数百万CPU小时。
• 通过计算比值 $ B(k,z) $，该流程减轻了近似模拟带来的分辨率相关误差，使在更高 $ k $ 值处实现可靠模拟成为可能。
• 该流程提供了一个完整的开源工作流，包括参数采样、基于CLASS的初始条件生成、COLA模拟、数据收集以及包含误差估计的神经网络训练。
• COLA模拟与模拟器的误差均被量化，并可整合到数据拟合过程中的协方差矩阵中，确保统计推断的稳健性。