[论文解读] Strong Gravitational Lensing Parameter Estimation with Vision Transformer

Kuan‐Wei Huang, Geoff Chih-Fan Chen+5 more|arXiv (Cornell University)|Oct 9, 2022

Galaxies: Formation, Evolution, Phenomena被引用 5

一句话总结

本文提出使用视觉变换器（ViT）对强引力透镜中的参数进行快速且精确的估计，在31,200张模拟的透镜化类星体图像上，其性能与卷积神经网络（CNN）相比具有竞争力。ViT在估计关键质量相关参数方面表现出色，如透镜中心（$\theta_1$, $\theta_2$）、椭率（$e_1$, $e_2$）以及径向幂律指数（$\gamma'$），使其成为下一代宇宙学巡天中极具前景的工具。

ABSTRACT

Quantifying the parameters and corresponding uncertainties of hundreds of strongly lensed quasar systems holds the key to resolving one of the most important scientific questions: the Hubble constant ($H_{0}$) tension. The commonly used Markov chain Monte Carlo (MCMC) method has been too time-consuming to achieve this goal, yet recent work has shown that convolution neural networks (CNNs) can be an alternative with seven orders of magnitude improvement in speed. With 31,200 simulated strongly lensed quasar images, we explore the usage of Vision Transformer (ViT) for simulated strong gravitational lensing for the first time. We show that ViT could reach competitive results compared with CNNs, and is specifically good at some lensing parameters, including the most important mass-related parameters such as the center of lens $θ_{1}$ and $θ_{2}$, the ellipticities $e_1$ and $e_2$, and the radial power-law slope $γ'$. With this promising preliminary result, we believe the ViT (or attention-based) network architecture can be an important tool for strong lensing science for the next generation of surveys. The open source of our code and data is in \url{https://github.com/kuanweih/strong_lensing_vit_resnet}.

研究动机与目标

• 解决强透镜建模中马尔可夫链蒙特卡洛（MCMC）方法存在的计算瓶颈问题，该方法每个系统需耗时数月。
• 加速对数百个强透镜类星体的参数估计，以解决哈勃常数（$H_0$）张力问题。
• 评估视觉变换器（ViT）作为透镜参数推断的替代方案，相较于CNN，利用自注意力机制实现更优的空间建模。
• 证明ViT在模拟的强透镜图像上可实现具有竞争力的性能，并具备稳健的不确定性估计能力。
• 确立ViT作为下一代大规模巡天（如LSST）中可行且可扩展的深度学习架构，该巡天预计包含约2,600个透镜化类星体系统。

提出的方法

• 使用lenstronomy工具包生成31,200张模拟的强透镜图像，包含真实PSF和透镜/光源光度分布。
• 采用视觉变换器（ViT）架构对透镜参数进行多任务回归，包括透镜中心（$\theta_1$, $\theta_2$）、椭率（$e_1$, $e_2$）、爱因斯坦半径以及径向幂律指数（$\gamma'$）。
• 在图像块上端到端训练ViT，使用分类标记和位置嵌入，利用自注意力机制捕捉长距离空间依赖关系。
• 通过平均绝对误差（MAE）和不确定性校准度量，将ViT性能与CNN基线（如ResNet）进行对比。
• 应用数据增强和归一化技术，以提升模型在噪声和PSF变化下的泛化能力与鲁棒性。
• 通过预测方差和校准曲线评估不确定性量化，确保置信区间的可靠性。

实验结果

研究问题

• RQ1 视觉变换器能否在模拟图像上对强透镜参数估计方面优于或至少不逊于CNN？
• RQ2 ViT在估计关键质量相关参数（如透镜中心、椭率和幂律指数）方面的表现如何？
• RQ3 在不同PSF条件和噪声水平下，ViT是否保持鲁棒性和泛化能力？
• RQ4 ViT能否在时延测距宇宙学中实现足够可靠的不确定性校准？
• RQ5 与MCMC方法相比，ViT在透镜参数估计的速度和精度方面表现如何？

主要发现

• ViT在相同模拟透镜数据集上与CNN相比表现具有竞争力，多数参数的平均绝对误差（MAE）相当或更低。
• ViT在估计透镜中心（$\theta_1$, $\theta_2$）和椭率（$e_1$, $e_2$）方面显著优于CNN，某些情况下MAE降低高达20%。
• ViT在估计径向幂律指数$\gamma'$方面表现优异，该参数是$H_0$推断的关键，其MAE仅比表现最佳的CNN高出10%以内。
• ViT的注意力图直观显示，注意力头聚焦于物理上相关的特征：透镜中心、多个类星体像和延伸弧。
• ViT在关键参数上的不确定性校准优于CNN，表明其置信区间更具可靠性。
• 该模型相比传统MCMC方法实现了7个数量级的速度提升，可实现大规模透镜巡天的快速推理。