Euclid: Exploring observational systematics in cluster cosmology -- a comprehensive analysis of cluster counts and clustering

Technische Zusammenfassung: Euclid: Untersuchung systematischer Effekte in der Cluster-Kosmologie

Problemstellung
Galaxienhaufen dienen als kritische kosmologische Sonden zur Einschränkung des Parameters für die Materiedichte ($\Omega_m$) und der Amplitude der Dichtefluktuationen ($\sigma_8$). Während traditionelle Analysen auf der Anzahl der Haufen basieren, bietet die räumliche Verteilung von Haufen (Clustering) komplementäre Informationen, um Degenerierungen in kosmologischen und Masse-Observablen-Parametern aufzubrechen. Die bevorstehende Euclid-Mission, die darauf abzielt, $\sim 10^5$ Haufen bis zu $z=2$ zu kartieren, erfordert jedoch eine Genauigkeit im Sub-Prozent-Bereich. Eine große Herausforderung besteht darin, den Einfluss beobachtungs- und modellierungsspezifischer systematischer Effekte – insbesondere Unsicherheiten bei photometrischen Rotverschiebungen (photo-$z$) und Verzerrungen im Rotverschiebungsraum (RSDs) – sowohl auf die Haufenzahlen als auch auf Clustering-Statistiken sowie deren Kovarianzmatrizen zu charakterisieren. Darüber hinaus erfordert die Notwendigkeit, diese Sonden zu kombinieren, um die Einschränkungskraft zu maximieren, ein rigoroses Verständnis ihrer Kreuzkorrelationen und der Abhängigkeit der Kovarianzmatrizen von der Kosmologie.

Methodik
Die Autoren nutzen einen Rahmen, der auf 1.000 Euclid-ähnlichen Lichtkegel-Katalogen basiert, die mit dem PINOCCHIO-Code generiert wurden (unter Verwendung der Lagrange-Störungstheorie dritter Ordnung und des ellipsoidalen Kollapses). Diese Simulationen decken eine Himmelsfläche von 10.313 deg$^2$ und Rotverschiebungen von $z=0$ bis $2.5$ ab und enthalten pro Katalog etwa $10^5$ Halos mit $M_{vir} \ge 10^{13.5} h^{-1} M_{\odot}$.

Die Studie verwendet folgende methodische Schritte:

1. Theoretische Modellierung: Die Autoren modellieren Haufenzahlen und das Monopol der 2-Punkt-Korrelationsfunktion (2PCF) unter Einbeziehung von Effekten durch photo-$z$-Fehler (modelliert als Gaußsche Streuung), RSDs (Kaiser-Effekt), Infrarot-(IR-)Resummation zur Dämpfung von BAO und geometrischen Verzerrungen (GD). Sie modellieren auch die mittlere Masse durch schwache Gravitationslinsung als unterstützende Sonde, um Degenerierungen in Skalierungsrelationen aufzubrechen.
2. Kovarianzanalyse: Numerische Kovarianzen werden direkt aus den 1.000 Mocks berechnet. Diese werden mit semi-analytischen Modellen (angepasst an Fumagalli et al. 2021 und Euclid Collaboration: Fumagalli et al. 2024) verglichen, um die Behandlung von Shot-Noise, Stichprobenvarianz und Kreuzkorrelationen zu validieren.
3. Likelihood-Analyse: Eine bayessche Inferenz wird mit PolyChord durchgeführt, um die Posterior-Verteilungen von $\Omega_m$, $\sigma_8$ und vier Parametern der Masse-Observablen-Relation zu erkunden. Die Analyse bewertet den Figure of Merit (FoM) und den Index of Inconsistency (IoI) über verschiedene Sondenkombinationen (Zahlen, Clustering, schwache Linsung) und systematische Konfigurationen.
4. Systematische Tests: Der Einfluss des Vernachlässigens spezifischer Systematiken (z. B. RSDs, photo-$z$-Fehler) bei der Modellierung sowohl der Statistiken als auch ihrer Kovarianzmatrizen wird quantifiziert, indem die Ergebnisse mit einer „vollständigen Modell"-Basislinie verglichen werden.

Wesentliche Beiträge und Ergebnisse

• Unabhängigkeit der Sonden: Die Analyse bestätigt, dass Haufenzahlen und Haufen-Clustering effektiv unkorrelierte Observablen sind. Der Pearson-Korrelationskoeffizient zwischen ihren log-Likelihood-Residuen beträgt $\rho = -0.011 \pm 0.031$, was mit Null konsistent ist. Diese Unabhängigkeit ergibt sich daraus, dass Zahlen die mittlere mitbewegte Zahlendichte messen, während Clustering Fluktuationen um dieses Mittelmaß misst.
• Einschränkungskraft der Kombination: Die Kombination von Haufen-Clustering mit Haufenzahlen verbessert die kosmologischen Einschränkungen erheblich. Der FoM steigt im Vergleich zu Haufenzahlen allein um über 300 %. Die Kombination aller drei Sonden (Zahlen, Clustering und Masse durch schwache Linsung) liefert die engsten und genauesten Einschränkungen, wobei die Analyse mit allen Sonden weniger anfällig für Prior-Volumen-Effekte ist als Zwei-Sonden-Kombinationen.
• Einfluss von photo-$z$-Unsicherheiten: Fehler bei photometrischen Rotverschiebungen sind der dominierende systematische Effekt. Eine optimistische Unsicherheit ($\sigma_{z0} = 0.005$) verbreitert die Posteriors um weniger als 10 %, während eine realistischere Unsicherheit ($\sigma_{z0} = 0.01$) sie um 20–30 % verbreitert. photo-$z$-Fehler reduzieren auch die Stichprobenvarianz in der Kovarianz der Haufenzahlen erheblich.
• Einfluss sekundärer Verzerrungen: Obwohl RSDs, IR-Resummation und geometrische Verzerrungen im Vergleich zu photo-$z$-Fehlern einen geringeren Einfluss auf den FoM haben (5 % für Clustering allein, ~10 % für die vollständige Kombination), führt das Vernachlässigen von RSDs zu einer signifikanten Verzerrung (Verschiebung von $\sim 2\sigma$) in den $\Omega_m$–$\sigma_8$-Posteriors.
• Skalenabhängigkeit: Clustering-Daten bei Skalen unterhalb von $60 h^{-1}$ Mpc liefern zusätzliche Einschränkungskraft, während Skalen größer als die Skala der akustischen Oszillation ($>130 h^{-1}$ Mpc) vernachlässigbare Informationen über $\Omega_m$ und $\sigma_8$ hinzufügen.
• Kovarianzmodellierung: Die Studie zeigt, dass das Vernachlässigen von RSDs und photo-$z$-Effekten in der Kovarianz der Haufenzahlen zu einer Unterschätzung der Posterior-Amplitude um 10–20 % führt. Die Autoren schlagen ein effektives Leistungsspektrum-Modell vor (Summation von Monopol- und Quadrupol-Termen), das die Stichprobenkovarianz genau erfasst, ohne die Rechenkosten einer vollständigen anisotropen Modellierung.
• Kosmologie-abhängige Kovarianz: Die Verwendung einer kosmologie-abhängigen Kovarianzmatrix verbessert die Clustering-Einschränkungen um ~40 %. Wenn jedoch Haufenzahlen mit Clustering kombiniert werden, verschwindet dieser zusätzliche Gewinn, was darauf hindeutet, dass Haufenzahlen bereits die in der kosmologischen Abhängigkeit der Clustering-Kovarianz kodierten Informationen enthalten.

Bedeutung
Die Arbeit etabliert ein robustes Rahmenwerk für die gemeinsame Analyse von Haufenzahlen und Clustering für die Euclid-Mission. Sie hebt hervor, dass die Kombination dieser Sonden die kosmologischen Einschränkungen zwar drastisch verbessert, gleichzeitig aber die Empfindlichkeit gegenüber systematischen Effekten erhöht. Die Arbeit unterstreicht die Notwendigkeit, photo-$z$-Unsicherheiten und RSDs nicht nur in den Statistiken selbst, sondern auch innerhalb der Kovarianzmatrizen genau zu modellieren, um verzerrte Einschränkungen zu vermeiden. Durch die Validierung, dass Zahlen und Clustering unabhängig sind, und durch den Nachweis der Wirksamkeit des kombinierten Ansatzes liefert die Studie wesentliche Vorschriften zur Maximierung des wissenschaftlichen Ertrags der Euclid-Cluster-Kosmologie, warnt jedoch davor, dass engere Einschränkungen aus kombinierten Analysen eine noch rigorosere Kontrolle systematischer Effekte erfordern als Einzel-Sonden-Analysen.