4 610 вселенных — ровно столько космологических моделей потребовалось астрофизикам, чтобы показать: привычная маска Гаусса больше не работает для данных нового поколения. Будущие обзоры неба, такие как миссия Euclid и обсерватория им. Веры Рубин, с помощью гравитационного линзирования обещают карты тёмной материи — той самой, чьё существование обнаружила Вера Рубин по аномальному вращению галактик. Эти карты строятся по крошечным искажениям форм далёких галактик — слабому линзированию, которое чувствует всю крупномасштабную структуру Вселенной. По ним можно измерить плотность материи Ωm и параметр скучивания S8, а через них — проверить природу тёмной энергии и ускоренного расширения, открытого Эдвином Хабблом и теоретически обоснованного Жоржем Леметром. Однако, чтобы извлечь эти параметры, нужен статистический вывод. Классический метод — явный вывод (ELI) — надевает на данные «маску Гаусса»: он предполагает, что все неопределённости подчиняются нормальному распределению, а связь с космологией описывается простым эмулятором, обученным на численных симуляциях. Альтернатива — вывод без правдоподобия (LFI) — маску снимает: с помощью машинного обучения, в частности свёрточных нейросетей, он учит форму распределения прямо на примерах и не требует гауссовых догм.

Чтобы рассудить спор, учёные построили идеальный испытательный полигон. Внутри симуляционного конвейера GLASS сгенерировали 4 610 независимых вселенных с разными комбинациями Ωm и σ8 в рамках модели ΛCDM, где гравитация предписана общей теорией относительности, а уравнение Фридмана \[ H^2(a) = H_0^2 \left( \Omega_m a^{-3} + \Omega_\Lambda \right) \] задаёт темп расширения. Каждая вселенная — полная небесная сфера, разбитая на пиксели с разрешением около 7 угловых минут. На карты наложили реалистичный шум формы галактик, как в финальном релизе Euclid (30 галактик на квадратную минуту), и вырезали участок в 100 квадратных градусов — типичный размер ранних обзоров. Для каждой вселенной измерили два типа статистик: классические корреляционные функции сдвига, которые, согласно теории гравитационного линзирования, связаны с трёхмерным спектром мощности тёмной материи как \[ C_\ell^{\gamma\gamma} = \int_0^{\chi_H} d\chi \frac{W^2(\chi)}{\chi^2} P_\delta(\ell/\chi) \], и свёрточный нейросетевой оценщик, обученный прямо на картах. Затем данные сжали до двух чисел: либо линейным методом MOPED, оптимальным для гауссовых полей, либо нелинейной нейросетью. После этого запустили две процедуры вывода. ELI обучил эмулятор на гауссовом процессе, оценил ковариационную матрицу и применил гауссово правдоподобие. LFI натренировал нейросетевую оценку плотности на большинстве вселенных, чтобы выучить форму правдоподобия без допущений. Оба метода прошли через байесовский вывод — честная дуэль на одном полигоне.

Первое же сравнение вскрыло драму. Для ELI с линейным сжатием маска Гаусса дала трещину: ограничения на Ωm оказались вдвое шире, чем у LFI, а распределение ушло в сторону от истины. Причина — плохо отэмулированный второй компонент сжатия, нёсший информацию о плотности материи и обладавший слабой негауссовостью. Когда этот компонент убрали или передали ту же модель в LFI, разница исчезла — оба метода сошлись. При нелинейном сжатии нейросетью маска Гаусса треснула окончательно: распределение сжатых данных перестало быть нормальным, и ELI выдал ошибки в 2,2 раза больше по S8 и в 1,3 раза по Ωm, тогда как LFI сохранил точность. Ещё ярче конфликт проявился при сравнении корреляционных функций с CNN. В идеальном гауссовом мире двухточечная статистика должна содержать всю информацию, но ELI из-за своей маски показал, что CNN в два раза лучше измеряет Ωm и в 1,6 раза хуже S8. LFI же, освобождённый от маски, подтвердил теоретическое равенство: CNN и сжатые корреляции дают согласованные результаты с разницей всего в 30%. Калибровочные тесты, обычно применяемые только к LFI, стали главным диагностическим инструментом: они чётко указали, где ELI теряет калибровку. Традиционные проверки на гауссовость (тест Колмогорова-Смирнова, χ²) оказались слишком слабы и не заметили опасных отклонений.

Мораль такова: маска Гаусса в эпоху высокоточных обзоров больше не может быть стандартом. Работа доказала, что методы без явного правдоподобия — не просто модная игрушка, а необходимый инструмент для честного анализа данных. В то же время она реабилитирует ELI, показывая, что при аккуратном эмулировании и отсутствии негауссовости он работает не хуже. Главный практический вывод: любой будущий космологический анализ должен сопровождаться строгими тестами калибровки, иначе рискуем принять артефакты метода за новые физические эффекты. Выбор способа сжатия данных критичен для ELI, но почти безразличен для LFI — это даёт свободу в конструировании оптимальных статистик. Ближайшие шаги уже ясны: полные N-body симуляции с негауссовой эволюцией, томографические срезы, учёт систематик. Ставка — способность отличить тёмную энергию от модифицированной гравитации. И если маска пала на этих 4 610 вселенных, то без неё в будущем увидим настоящую структуру мироздания.