미분 가능한 퍼지 코스믹 웹을 통한 필드 수준 우주 구조 추정

초록

본 논문은 확대 라그랑지안 섭동 이론(ALPT)과 비선형·비국소·확률적 바이어스 모델을 결합한 차별화 가능한 HICOBIAN 모델을 제시한다. JAX 기반 GPU 가속 BRIDGE 코드를 이용해 베이지안 필드‑레벨 추론을 수행하고, 시그모이드 기반의 부드러운 전이로 퍼지 코스믹 웹을 구현한다. 테스트 결과, 원시 밀도장과 8개의 바이어스 파라미터를 정확히 복원함을 확인하였다.

상세 분석

이 연구는 대규모 구조 분석에 필수적인 ‘필드‑레벨 추론’을 실현하기 위해 두 가지 핵심 기술을 통합한다. 첫째, 구조 형성 단계에서는 기존의 전통적인 N‑body 시뮬레이션 대신 확대 라그랑지안 섭동 이론(ALPT)을 채택한다. ALPT는 2차 라그랑지안 섭동(2LPT)으로 장거리 텐서 변위를, 구형 붕괴(SC) 모델로 단거리 비선형 진화를 묘사하고, 두 변위를 스무딩 커널 K로 가중합해 쉘‑크로싱을 억제한다. 이는 계산 비용을 크게 낮추면서도 k≲0.4 h Mpc⁻¹ 이하에서 N‑body 수준의 통계적 정확도를 유지한다.

둘째, 바이어스 단계에서는 ‘Hierarchical Cosmic‑Web Biasing Nonlocal(HICOBIAN)’ 모델을 도입한다. 기존의 고차 섭동 바이어스는 차수 제한으로 인해 비물리적 음수 밀도나 진동을 야기했지만, HICOBIAN은 코스믹 웹을 필라멘트·시트·보이드·노드 등 구분된 영역으로 분류하고, 각 영역마다 로컬 비선형 바이어스를 적용한다. 전이 영역은 시그모이드 함수를 이용해 부드럽게 연결함으로써 미분 가능성을 확보하고, 이는 자동 미분 프레임워크(JAX)와의 호환성을 보장한다. 또한 포아송성에서 벗어난 초과분산을 로그‑정규 사전분포와 함께 모델링해, 실제 관측 데이터의 비포아송 노이즈를 효과적으로 포착한다.

BRIDGE 코드는 이러한 구조‑바이어스 파이프라인을 GPU 가속 JAX 환경에 구현했으며, 전 과정이 미분 가능하도록 설계돼 Hamiltonian Monte Carlo(HMC)와 No‑U‑Turn Sampler(NUTS) 같은 고차원 샘플러를 직접 적용할 수 있다. 초기 조건은 백색 잡음 ν로부터 선형 전력 스펙트럼을 통해 δ₀를 생성하고, ALPT로 진화시킨 뒤 HICOBIAN으로 기대 트레이서 장 ¯n을 만든다. 관측 트레이서는 독립적인 이산 분포(포아송 혹은 초포아송)로 가정하고, 전체 가능도는 전방 모델과 결합해 베이지안 사후분포를 형성한다.

실험에서는 동일 모델로 생성한 모의 데이터(‘self‑specified’ 설정)를 사용해 원시 밀도장 복원 정확도를 검증했다. 복원된 δ₀는 2‑점 및 3‑점 함수(전력 스펙트럼 및 바이시스)에서 입력 스펙트럼과 일치했으며, 오류 범위는 베이지안 사후의 1σ 내에 머물렀다. 또한 8개의 바이어스 파라미터(1차·2차·3차 비선형·비국소·스케일‑의존성 등)를 동시에 샘플링했을 때, 사전과 사후가 일치함을 확인해 파라미터 회복력이 뛰어남을 입증했다. 최종적으로 포아송 노이즈 한계에 근접하는 정보량을 추출함으로써, 모델이 이론적 최대 정보를 효율적으로 활용함을 보여준다.

이러한 접근은 기존의 전통적인 포아송‑바이어스 모델이나 고정 차수 섭동 모델에 비해 물리적 일관성, 수치적 안정성, 그리고 확장성을 동시에 제공한다. 특히, 코스믹 웹의 부드러운 전이를 퍼지 형태로 구현함으로써 머신러닝 기반 최적화와 자동 미분을 자연스럽게 결합할 수 있다는 점이 큰 강점이다.