Cosmology

Traduction du message publié en page d'accueil du projet Cosmology@Home

Chad vient de présenter notre première publication rédigée grâce aux résultats du projet Cosmology@Home. Elle sera publiée dans les archives d'astrophysique en ligne : astro-ph/0712.0194, nous l'avons également remise à l'Astrophysical Journal (L'Astrophysical Journal est une des revues scientifiques à comité de lecture les plus en vues dans le monde de la recherche en Astronomie et Astrophysique). Cette publication présente Pico, un outil d'apprentissage automatique adapté à la cosmologie. Pico est un accélérateur miniature, il extrait l'essentiel des quadrillions de cycles processeur utilisés par Cosmology@Home et permet à d'autres cosmologistes d'accélérer leurs calculs d'un facteur 250 000. Pour en savoir plus, vous pouvez vous rendre dans la section papers (publications) à partir de la page d'accueil du nouveau site consacré à Pico. Vous pouvez aussi jeter un coup d'oeil à la section acknowledgement (reconnaisance), dans laquelle nous citons 5 boinceurs de Cosmology@Home, en qualité de représentants de tous les utilisateurs.


Pico, qu'est-ce que c'est ?

Pico est un algorithme qui calcule rapidement le spectre de puissance du fond diffus cosmologique (en mode scalaire et en mode tensoriel), la fonction de transfert de la matière, et la probabilité WMAP sur 3 ans (Wilkinson Microwaves Anisitropy Probe : Sonde Wilkinson de Recherche d'Anisotropie des micro-ondes - satellite de la Nasa ayant cartographié sur l'ensemble du ciel les infimes variations d'intensité du fonds diffus cosmologique découvert par Wilson et Penzias dans les années 60). Pico est prévu pour accélerer les codes d'estimation de paramètres. De façon plus générale, Pico permet l'utilisation des ressources du calcul massivement parallèle, y compris le calcul partagé tel que Cosmology@Home, afin d'accélerer les étapes nécessairement les plus lentes des calculs séquentiels.

Pico est décrit en détail dans l'article astro-ph/0606709 de W. A. Fendt et B. D. Wandelt. Les améliorations apportées à l'algorithme ainsi que des résultats pour un modèle dans un univers courbe sont présentés dans l'article astro-ph/0712.0194.
Référez-vous au manuel pour les instructions sur la façon d'utiliser Pico avec CosmoMC et CAMB. Le code source de Pico, y compris le code d'apprentissage, ainsi que des ensembles de coefficients de régression se trouvent dans la section téléchargement.

Comparaison de postérieurs utilisant Pico et CAMB :
(cliquez sur l'image pour l'agrandir)

PICO et CMAB

  • La ligne rouge vient des logiciels CAMB et WMAP (1,5 semaines de calcul)
  • La ligne verte vient de Pico et WMAP (4 heures de calcul)
  • La ligne bleue vient seulement de Pico (1,5 heures de calcul)
  • Ce plan en  2 D montre les contours à 68% et 99%

Caractéristiques de l'algorithme

  • Calculer le spectre de puissance du fond diffus cosmologique, la fonction de transfert de la matière et la  probabilité WMAP en quelques millisecondes.
  • Précision suffisante pour l'estimation de paramètres à partir des données qui seront collectées par le satellite PLANCK.
  • L'apprentissage requiert généralement 1 heure voire moins.
  • L'apprentissage est linéaire et ne dépend pas de codes propriétaires.
  • S'intègre dans les codes d'estimation de paramètres, tels que CosmoMC.

spectre rayonnement

  • La ligne rouge représente l'erreur moyenne sur l'ensemble du test.
  • La ligne bleue représente la  marge d'erreur à 99% sur l'ensemble du test.
  • L'erreur sur le spectre de puissance est exprimée en unité de déviation standard cosmique
  • L'erreur sur la fonction de répartition de la matière est exprimée en pourcentage.



PUBLICATION

Calcul haute précision des spectres de puissance avec  Pico

Traduction de l'introduction et de la conclusion de l'article publié dans les archives d'Astrophysiques

 Auteurs : William A. Fendt, Benjamin D. Wandelt

Introduction :

Cet article présente la deuxième version de Pico (Paramètres pour l'Impatient COsmologiste). Pico est un code à apprentissage générique (programme informatique qui a la capacité de se perfectionner par apprentissage) que nous avons utilisé pour calculer les spectres de puissance du Fonds diffus cosmologique et la probabilité WMAP.  

Dans cette version, nous avons amélioré l'algorithme de calcul et les données utilisées pour l'apprentissage de Pico, ce qui a permit une amélioration très sensible de la précision des résultats.

En ce qui concerne les 9 paramètres présentés ici dans le cas d'un univers courbe, Pico peut calculer la moyenne des spectres de puissance TT, TE et EE avec une précision supérieure à 1% de la déviation standard cosmique pour presque toutes les valeurs sur une large plage de l'espace des paramètres.  

En analysant les paramètres cosmologiques des données actuelles du fonds diffus cosmologique et des structures [cosmologiques] de grande échelle, nous avons montré que ces spectres de puissance donnent des paramètres postérieurs uni et bi-dimensionels très précis.

Nous avons élargi les capacités de Pico aux calculs de spectre de puissance tensoriel et à la fonction de transfert de la  matière.  

La vitesse de calcul de Pico est 1500 fois supérieure à celle du code d’anisotropies CAMB en utilisant la précision par défaut et environ 250.000 fois plus rapide en précision élevée.

L'apprentissage de Pico peut se faire en utilisant les ressources du calcul massivement parallèle, y compris les projets de calcul partagé tels que Cosmology@Home.  

Sur le site Internet de Pico, consultable à cette adresse, nous fournissons de nouvelles séries de coefficients de régression et mettons à disposition du public le code d'apprentissage Pico.


Conclusion :

Cet article décrit une nouvelle version majeure de Pico, un programme rapide et précis adapté au calcul du spectre de puissance du fonds diffus cosmologique, de la fonction de transfert de la matière et de la probabilité WMAP. En précision standard pour un modèle courbe, nous avons noté la présence de "parasites" numériques dans CAMB et des effets sur la probabilité WMAP. Pour résoudre ce problème, nous avons généré des ensembles d'apprentissage en faisant tourner CAMB en haute précision. Nous avons aussi présenté une méthode pour produire une série d'apprentissage qui permet de trouver une région à forte probabilité dans l'espace des paramètres sans jamais faire tourner CAMB en série, ce qui s'est révélé très utile pour apprendre à Pico à mieux calculer la probabilité WMAP dans des espaces de grande dimension.

Pico peut également être entrainé séparément sur des spectres de puissance d'une plus petite région de l'espace des paramètres, ce qui lui permet d'obtenir des résultats encore plus précis aux environs du pic de probabilité, tout en gardant la possibilité de calculer des spectres de puissance sur une plus grande portion de l'espace des paramètres.  

La combinaison de ces améliorations et des modifications apportées à l'algorithme Pico ont augmenté sa précision de calcul des spectres de puissance et de probabilité. Nous avons également élargie les capacités de Pico aux calculs de spectres de puissance dues aux perturbations tensorielles ainsi qu'au spectre de puissance de la matière.

Sur le site Internet de Pico, consultable à cet adresse, nous fournissons la nouvelle version de Pico ainsi que de nouvelles séries de coefficients de régression. Nous avons également mis à disposition du public le code d'apprentissage Pico, donnant ainsi à ses utilisateurs la possibilité d'appliquer cet algorithme à de nouveaux types de modèles dans l'espace des paramètes.  

Nous anticipons que la précision et la vitesse dont est capable Pico seront d'une grande utilité pour les observations actuelles et futures du CMB et des structures de grande échelle.

Nous espérons également que le concept que représente Pico, l'exploitation des ressources du calcul massivement parallèle pour résoudre des problèmes numériques essentiellement séquentiels, trouvera, au dela de l'estimation des paramètres cosmologiques, de nouvelles applications .

Publications :

1. W.A. Fendt et B.D. Wandelt, Astrophysical Journal 654, 2 (2007): pdf | ps
Explication de l'algorithme et de l'application Pico dans les modèles cosmologiques décrivant un univers plat

2. W.A. Fendt et B.D. Wandelt, soumis à l'Astrophysical Journal : pdf | ps
Discussion sur les améliorations de l'algorithme et des ensembles d'apprentissage. Extension de Pico au calcul des modes tensoriels et au spectre de puissance de la matière. Application de cet algorithme à l'estimation de paramètres dans le modèle d'un univers courbe.