Systematics mitigation for catalogue-based angular power spectra

Titel: Systematics mitigation for catalogue-based angular power spectra (Systematik-Minderung für katalogbasierte Winkel-Leistungsspektren)
Autoren: Thomas Cornish, David Alonso, Boris Leistedt, Kevin Wolz
Veröffentlicht in: MNRAS (2025)

1. Problemstellung

In der modernen Kosmologie ist die präzise Messung von Winkel-Leistungsspektren ($C_\ell$) projizierter Felder (z. B. kosmische Scherung, Galaxien-Clustering) essenziell. Traditionelle Methoden basieren oft auf der Pixelisierung von Himmelskarten, was zu Aliasing-Effekten und Auflösungsverlusten führen kann, insbesondere auf kleinen Skalen.

Neuere Ansätze (z. B. Wolz et al. 2025) ermöglichen die direkte Berechnung von $C_\ell$ aus diskreten Katalogen (Quellenpositionen), wodurch Pixelisierungsfehler vermieden werden. Ein kritisches Defizit dieser katalogbasierten Methoden war jedoch bisher das Fehlen effektiver Werkzeuge zur Minderung systematischer Fehler (Systematics). Systematische Effekte (wie Beobachtungsartefakte oder Umwelteinflüsse) verzerren die gemessenen Spektren. Während für kartenbasierte Daten Methoden wie das "Template Deprojection" (Template-Projektion) etabliert sind, fehlte eine konsistente Erweiterung für katalogbasierte Daten, die zudem die durch die Deprojektion verursachte Verzerrung (Bias) korrekt behandelt.

2. Methodik

Die Autoren erweitern das katalogbasierte Pseudo-$C_\ell$-Formalismus (PCL) um folgende Komponenten:

• Template Deprojektion für Kataloge:
  Die Autoren adaptieren die lineare Deprojektion von Kontaminations-Templates für diskret abgetastete Felder. Anstatt Karten zu verwenden, werden die Template-Werte direkt an den Positionen der Quellen im Katalog ausgewertet.

  • Für diskret abgetastete Felder (z. B. kosmische Scherung) wird die Deprojektion durch eine einfache Modifikation der Feldwerte an den Quellpositionen durchgeführt: $a^c_i = a_i - \hat{A}_p f^p_i$.
  • Für Galaxien-Clustering (wo die Dichte selbst das Feld ist) ist die Situation komplexer, da die Maske oft durch einen "Random"-Katalog definiert wird. Hier führen die Autoren eine Trunkierung im harmonischen Raum ein (bis zu einem maximalen Multipol $\ell_{max}$), um die Korrelationen zwischen Galaxien-Überdichte und Systematiken korrekt zu erfassen, ohne durch die Pixel-Fensterfunktion verzerrt zu werden.

• Analytische Korrektur des Shot-Noise-Bias:
  Die Deprojektion entfernt Moden aus dem Datensatz, was zu einem Verlust an Leistung (Bias) führt, insbesondere im Shot-Noise-Anteil. Die Autoren leiten exakte analytische Ausdrücke her, um diesen Bias im Shot-Noise-Term zu korrigieren (Gleichungen 23 und 28). Dies ist entscheidend, da die Deprojektion den Shot-Noise auf großen Skalen negativ machen kann.

• Transfer-Funktion zur Korrektur des Signal-Bias:
  Um den durch die Deprojektion verursachten Verlust an Signal-Leistung (Mode Loss) zu korrigieren, schlagen die Autoren eine alternative Methode vor: Die Berechnung einer Transfer-Funktion $T_\ell$ mittels Simulationen.

  • Es werden viele Gauß'sche Realisierungen eines Eingangs-Leistungsspektrums generiert.
  • Das Spektrum wird vor und nach der Deprojektion geschätzt.
  • Das Verhältnis bildet die Transfer-Funktion, die auf die realen Daten angewendet wird.
  • Dies vermeidet die Notwendigkeit, das wahre $C_\ell$ analytisch zu kennen (was oft unmöglich ist), und ist robust gegenüber der Wahl des Eingangs-Spektrums, außer auf sehr großen Skalen ($\ell \lesssim 3$).

• Implementierung:
  Die Methoden wurden in der öffentlichen Software NaMaster implementiert.

3. Wichtige Beiträge

1. Erweiterung des Formalismus: Erste vollständige Integration von Template Deprojektion in katalogbasierte PCL-Methoden für sowohl diskret abgetastete Felder als auch Galaxien-Clustering.
2. Exakte Shot-Noise-Korrektur: Herleitung analytischer Formeln zur Korrektur des durch Deprojektion induzierten Bias im Shot-Noise-Term, was die Genauigkeit der Methode signifikant erhöht.
3. Robuste Transfer-Funktion: Nachweis, dass eine simulationsbasierte Transfer-Funktion eine ebenso gute Alternative zur analytischen Bias-Korrektur ist, ohne dass das wahre Leistungsspektrum exakt bekannt sein muss.
4. Untersuchung von Masken-Strategien: Vergleich von Ansätzen, bei denen die Maske entweder als kontinuierliche Karte oder als Katalog von "Randoms" definiert wird. Es wird gezeigt, dass beide Ansätze funktionieren, wobei der Random-basierte Ansatz bei hohen $\ell$-Werten weniger anfällig für Aliasing ist, wenn die Daten aus einer Karte mit endlicher Auflösung stammen.

4. Ergebnisse

Die Autoren validierten ihre Methoden mit umfangreichen Simulationen und realen Daten:

• Simulierte Daten (Abgetastete Felder): In Simulationen mit 1000 Realisierungen und 100 Kontaminations-Templates konnte gezeigt werden, dass nach Korrektur des Shot-Noise-Bias und Anwendung der Transfer-Funktion das ursprüngliche Eingangs-Leistungsspektrum unverzerrt (unbiased) wiederhergestellt wird.
• Simulierte Daten (Galaxien-Clustering): Die Wahl des Trunkierungsparameters $\ell_{max}$ ist kritisch. Ein Wert von $\ell_{max} \approx 100$ erwies sich als optimal, um Bias in den Deprojektionskoeffizienten zu minimieren. Auch hier wurden unverzerrte Spektren erreicht.
• Vergleich der Korrekturmethoden: Die Transfer-Funktion-Methode performte ebenso gut wie die analytische Deprojektions-Bias-Korrektur, solange eine plausible Schätzung des wahren Spektrums für die Simulationen verwendet wurde. Nur auf den größten Skalen ($\ell \lesssim 3$) war die Wahl des Eingangs-Spektrums kritisch.
• Anwendung auf reale Daten (Quaia): Die Methode wurde auf den Quaia-Quasarkatalog (niedrige Rotverschiebung, $z < 1.47$) angewendet. Die Ergebnisse der katalogbasierten Deprojektion (sowohl mit Randoms als auch mit kontinuierlicher Maske) stimmten hervorragend mit den Ergebnissen der traditionellen kartenbasierten PCL-Methode überein.

5. Bedeutung und Ausblick

Diese Arbeit schließt eine wichtige Lücke in der Analyse kosmologischer Daten. Sie ermöglicht es, die Vorteile der katalogbasierten Methoden (keine Pixelisierungsfehler, höhere Auflösung) mit der notwendigen Minderung systematischer Fehler zu kombinieren.

• Präzision: Durch die Vermeidung von Pixelisierungsfehlern und die exakte Behandlung von Systematiken können kosmologische Parameter auf kleineren Skalen genauer bestimmt werden.
• Anwendbarkeit: Die Methode ist besonders relevant für zukünftige Stage-IV-Surveys wie das Vera C. Rubin Observatory (LSST), die enorme Mengen an diskreten Quellen liefern werden.
• Verfügbarkeit: Da die Implementierung in NaMaster öffentlich verfügbar ist, können Forscher diese Techniken sofort in ihrer Datenanalyse anwenden.

Zusammenfassend bietet das Paper einen robusten, mathematisch fundierten und praktisch validierten Weg, um katalogbasierte Winkel-Leistungsspektren systematikfrei zu messen, was für die nächste Generation kosmologischer Untersuchungen von entscheidender Bedeutung ist.