코스뮬레이터 빠른 우주론 추론 프레임워크

초록

코스뮬레이터는 파이썬 기반의 모듈형·벡터화 프레임워크로, 배경 우주론 모델을 빠르게 평가하고 MCMC(Zeus와 EMCEE) 샘플러를 이용해 베이지안 추론을 수행한다. 기존 CLASS·CAMB와 같은 복잡한 볼츠만 솔버 없이도 비표준 Friedmann 방정식과 성장률 파라미터화를 손쉽게 구현할 수 있다. 논문에서는 Type Ia 초신성, Cosmic Chronometers, BAO 데이터를 이용해 Cobaya와 비교 검증했으며, H₀와 Ω_m에 대해 ≤0.3σ, χ²에 대해 <0.6% 차이로 일치하면서도 단일 CPU 코어에서 약 4.5배 빠른 성능을 보였다. 또한 f(Q) 기반 f₁CDM 모델과 정보 기준(AIC/BIC) 기반 모델 선택 기능을 시연한다.

상세 분석

코스뮬레이터는 현대 우주론 연구에서 급증하고 있는 비표준 모델들의 검증 병목을 해소하기 위해 설계되었다. 가장 큰 특징은 순수 파이썬 구현으로, 외부 C/Fortran 코드에 대한 의존성을 최소화한다는 점이다. 이를 위해 모델 정의를 단순히 E(z) = H(z)/H₀ 형태의 함수로 구현하고, 필요시 scipy.optimize의 루트 찾기나 뉴턴-랩슨 방식을 벡터화하여 전체 레드쉬프트 배열에 동시에 적용한다. 이러한 벡터화는 파이썬 레벨의 루프 오버헤드를 크게 줄이고, NumPy의 BLAS 가속을 활용해 CPU 캐시 효율을 높인다. 결과적으로 MCMC 샘플링 단계에서 수천 번 반복되는 모델 평가가 크게 가속된다.

샘플러 선택에서도 유연성을 제공한다. EMCEE는 전통적인 어피인 변형 앙상블 샘플러로, 높은 차원의 평탄한 사후분포에 강점이 있다. 반면 Zeus는 앙상블 슬라이스 샘플러로, 비선형·다중극값 구조를 가진 사후분포에서 효율적인 탐색이 가능하다. 논문에서는 두 샘플러를 교체 가능하게 구현함으로써 사용자가 모델 특성에 맞는 최적의 탐색 알고리즘을 선택하도록 했다.

데이터 인터페이스 측면에서는 JLA·Pantheon·Pantheon+ 등 다양한 초신성 캘리브레이션, BAO, DESI, Cosmic Chronometers, 그리고 Planck 2018 CMB likelihood까지 포괄한다. 특히 CMB는 CLASS와 CLIK을 래핑해 파라미터 매핑과 잡음 파라미터 처리를 자동화했으며, 이는 배경 모델만 바꾸어도 기존 고정밀 CMB 제약을 그대로 활용할 수 있게 한다.

모델 비교 기능은 AIC와 BIC를 자동 계산해 기준 모델(보통 ΛCDM) 대비 ΔAIC·ΔBIC를 제공한다. 이는 베이지안 증거 계산에 비해 계산 비용이 적지만, 모델 복잡도와 적합도 사이의 트레이드오프를 빠르게 파악할 수 있게 해준다. 향후 DIC, WAIC, LOO‑CV 등 더 정교한 정보 기준을 추가할 계획이라 명시한다.

성능 검증에서는 Cobaya와 동일한 데이터셋·파라미터 설정으로 실험을 진행했다. 결과는 H₀와 Ω_m에 대해 ≤0.3σ 차이, χ²에 대해 <0.6% 차이로 통계적으로 일치했으며, 단일 코어에서 평균 4.5배 빠른 실행 시간을 기록했다. 이는 벡터화와 단일 프로세스·단일 스레드 실행 정책이 파이썬 오버헤드를 최소화한 덕분이며, 대규모 MPI 병렬화 대비 효율성을 보여준다.

마지막으로 f(Q) 기반 f₁CDM 모델을 적용해, 암묵적 Friedmann 방정식(제곱근 형태)과 성장률 파라미터 γ를 동시에 추정했다. 결과는 기존 Cobaya 기반 분석과 거의 동일했으며, AIC/BIC를 통해 모델이 ΛCDM 대비 통계적으로 유의미한 개선을 보이지 않음을 확인했다. 이는 코스뮬레이터가 새로운 이론 모델을 빠르게 시험하고, 필요시 고정밀 파이프라인으로 전이할 수 있는 “과학적 체” 역할을 수행함을 입증한다.