Dark Energy Survey Year 6 Results: Magnification modeling and its impact on galaxy clustering and galaxy-galaxy lensing cosmology

Technische Zusammenfassung: Dark Energy Survey Jahr 6 Ergebnisse: Modellierung der Magnifikation und deren Auswirkungen auf die Galaxien-Clusterbildung und die Galaxien-Galaxien-Linseneffekt-Kosmologie

Problemstellung
Die Gravitationslinsen-Magnifikation verändert die beobachtete räumliche Verteilung von Galaxien, indem sie deren scheinbare Positionen, Flüsse und Größen modifiziert. Dieser Effekt führt zu einem Bias in der beobachteten Anzahlendichte von Galaxien, der als Magnifikations-Bias bekannt ist. In großräumigen Strukturuntersuchungen (Large-Scale Structure, LSS) kann das Vernachlässigen dieses Effekts zu systematischen Verschiebungen in der kosmologischen Parameterinferenz führen, die aus der Galaxien-Clusterbildung und dem Galaxien-Galaxien-Linseneffekt (der „2×2pt“-Analyse) abgeleitet werden. Da Durchmusterungen wie der Dark Energy Survey (DES) mit zunehmender Tiefe und Präzision (Jahr 6, Y6, gegenüber Jahr 3, Y3) an Tiefe gewinnen, wird die Auswirkung der Magnifikation zunehmend relevant, insbesondere für hochroteverschobene Lens-Bins und bei der Kombination mit Cosmic Shear (der „3×2pt“-Analyse). Die primäre Herausforderung besteht darin, die Magnifikationskoeffizienten ($C$) für komplexe, mehrkriterielle Galaxien-Selektionsfunktionen (MagLim++) präzise zu quantifizieren, um Biases in kosmologischen Einschränkungen wie $S_8$ und $\Omega_m$ zu verhindern.

Methodik
Die Autoren untersuchen die Auswirkungen der Lens-Magnifikation auf die DES Y6 Kosmologie-Analyse unter Verwendung der fiduziellen Lens-Stichprobe, MagLim++. Die Methodik umfasst drei Hauptkomponenten:

1. ** Theoretischer Rahmen:** Die beobachtete Galaxiendichtekontrast wird in eine intrinsische Komponente und eine magnifikationsinduzierte Komponente zerlegt, $\delta^{\text{mag}}_g = C \kappa$, wobei $\kappa$ die Linsenkongvergenz ist und $C = C_{\text{area}} + C_{\text{sample}}$ gilt. $C_{\text{area}} = -2$ berücksichtigt die Verdünnung der Anzahlendichte durch Flächenstreckung, während $C_{\text{sample}}$ die Reaktion der Selektionsfunktion auf Fluss- und Größenänderungen erfasst.
2. Schätzung der Magnifikationskoeffizienten: Das Paper verwendet drei Ansätze, um $C_{\text{sample}}$ für sechs tomografische Rotverschiebungs-Bins zu schätzen:
   • Balrog Synthetic Source Injection (Fiduziell): Künstliche Galaxien werden in reale DES-Bilder injiziert, sowohl mit als auch ohne eine simulierte Magnifikation ($\delta\kappa \approx 0,01$). Die MagLim++ Selektion wird auf beide Durchläufe angewendet, und die fraktionale Änderung der selektierten Zählungen liefert $C_{\text{sample}}$. Diese Methode berücksichtigt die vollständige Survey-Transferfunktion, einschließlich komplexer Selektionskriterien (Farbe, Größe, Stern-Galaxien-Trennung). Ein Reweighting-Schema wird angewendet, um die Balrog-Eigenschaften an die realen Daten anzupassen.
   • Fluss-Perturbation (Daten): Ein konstanter Magnituden-Offset wird auf reale Daten-Magnituden angewendet, um eine Magnifikation zu simulieren, wobei die Stichprobe erneut selektiert wird, um $C_{\text{sample}}$ zu schätzen. Dies wird sowohl auf realen Daten als auch auf dem Balrog-Katalog getestet.
   • Fluss-Perturbation (Balrog): Die nur auf Fluss basierende Methode wird auf den Balrog-Katalog angewendet, um systematische Unterschiede zwischen Simulation und Daten zu bewerten.
3. Bewertung der kosmologischen Auswirkungen: Die Autoren führen eine Bayes’sche Parameterinferenz an simulierten, rauschfreien Datenvektoren und unblindeten DES Y6 Daten durch. Sie testen verschiedene Priors auf die Magnifikationskoeffizienten (Gauß-Verteilung zentriert auf Balrog-Schätzungen, feste Werte, flache Priors und verschobene Gauß-Verteilungen) und analysieren sowohl 2×2pt als auch 3×2pt Statistiken. Sie untersuchen zudem die Einbeziehung von Cross-Clustering zwischen Lens-Rotverschiebungs-Bins und den Ausschluss von Lens-Bin 2 (eine Entscheidung, die durch interne Konsistenztests in der breiteren Y6-Analyse motiviert ist).

Wesentliche Beiträge

• Präzise Magnifikationskoeffizienten: Das Paper liefert die ersten hochpräzisen Schätzungen der Magnifikationskoeffizienten für die DES Y6 MagLim++ Stichprobe unter Verwendung des Balrog Synthetic Injection Frameworks. Die abgeleiteten Koeffizienten für die sechs Rotverschiebungs-Bins sind $[3,16 \pm 0,08, 2,76 \pm 0,21, 4,09 \pm 0,15, 4,42 \pm 0,16, 4,90 \pm 0,29, 4,83 \pm 0,25]$.
• Verbesserte Systematik-Kontrolle: Im Vergleich zu Y3 nutzt die Y6-Analyse eine größere Balrog-Fläche und ein Reweighting-Schema, das die systematischen Unsicherheiten zwischen der Simulation und den Daten signifikant reduziert. Die nur auf Fluss basierenden Schätzungen aus Balrog und realen Daten zeigen in Y6 eine wesentlich bessere Übereinstimmung als in Y3.
• Validierung von Modellierungsentscheidungen: Die Studie validiert die fiduzielle Modellierungsentscheidung, informative Gauß-Priors zu verwenden, die auf Balrog-abgeleiteten Schätzungen zentriert sind. Sie zeigt, dass dieser Ansatz unvoreingenommene (unbiased) kosmologische Einschränkungen in simulierten Daten liefert.
• Quantifizierung von Bias: Das Paper quantifiziert die systematischen Verschiebungen, die durch das Vernachlässigen der Magnifikation oder die Verwendung falscher Priors entstehen.

Ergebnisse

• Auswirkung des Vernachting der Magnifikation: Das Vernachlassen der Magnifikation (Festlegen von $C_{\text{sample}} = 2$) führt zu signifikanten systematischen Verschiebungen in den kosmologischen Parametern im Vergleich zur fiduziellen Analyse mit Gauß-Priors. In der 2×2pt-Analyse resultiert dies in einer Verschiebung von $1,37\sigma$ in $S_8$ und $-0,84\sigma$ in $\Omega_m$. Wenn Cosmic Shear einbezogen wird (3×2pt), betragen die Verschiebungen $-0,61\sigma$ in $S_8$ und $-0,71\sigma$ in $\Omega_m$.
• Robustheit gegenüber Priors: Die kosmologischen Ergebnisse sind robust gegenüber verschiedenen Prior-Wahlen. Das Marginalisieren über Magnifikationskoeffizienten mit Gauß-Priors (fiduziell) liefert nahezu identische Einschränkungen wie das Fixieren der Koeffizienten auf ihre wahren Werte. Die Verwendung uninformativer flacher Priors verschlechtert die Einschränkungskraft leicht (Erhöhung der $S_8$-Unsicherheit um 15% in 2×2pt), führt aber nicht zu signifikanten Biases in den Parameter-Mittelwerten.
• Cross-Clustering: Die Einbeziehung von Cross-Clustering zwischen den Lens-Rotverschiebungs-Bins hilft dabei, das Magnifikationssignal selbst zu kalibrieren, was die Einschränkungen auf $C_{\text{sample}}$ bei hohen Rotverschiebungen leicht verbessert und Biases reduziert, wenn flache Priors verwendet werden.
• Lens Bin 2: Wenn Lens Bin 2 mit flachen Priors in die Analyse einbezogen wird, verschiebt sich der inferierte Magnifikationskoeffizient auf unphysikalische negative Werte. Dieses Verhalten, kombiniert mit anderen Konsistenztests, rechtfertigt den Ausschluss von Bin 2 aus der fiduziellen Y6-Analyse. Der Ausschluss von Bin 2 verzerrt die Magnifikationsanalyse für die verbleibenden Bins nicht.
• Daten vs. Simulation: Die aus unblindeten DES Y6 Daten inferierten Magnifikationskoeffizienten sind im Allgemeinen konsistent mit den Balrog-Schätzungen, obwohl einige Abweichungen in Hochrotverschiebungs-Bins auftreten, wenn flache Priors verwendet werden. Diese Abweichungen werden auf unmodellierte Systematiken zurückgeführt und nicht auf eine falsche Magnifikationsmodellierung, da die resultierenden kosmologischen Verschiebungen mit den in Simulationen gesehenen Projektionseffekten übereinstimmen.

Bedeutung
Das Paper stellt fest, dass die schwache Linseneffekt-Magnifikation ein kritischer systematischer Effekt ist, der modelliert werden muss, um Biases in Präzisionskosmologie mit Stage-III und Stage-IV Durchmusterungen zu vermeiden. Die DES Y6-Analyse zeigt, dass die Verwendung von Synthetic Source Injection (Balrog) zur Ableitung informativer Priors auf Magnifikationskoeffizienten eine zuverlässige und konservative Behandlung dieser Effekte darstellt. Während die Auswirkungen auf die aktuellen DES Y6-Einschränkungen handhabbar sind, hebt die Studie hervor, dass eine genaue Modellierung der Magnifikation für zukünftige Durchmusterungen mit größerer Tiefe und statistischer Kraft essenziell ist, in denen diese Effekte dominanter werden und wo uninformative Priors zu größeren Biases führen können. Die Arbeit bestätigt, dass die fiduziellen Y6-Modellierungsentscheidungen die Magnifikations-induzierten Biases erfolgreich mildern und die Robustheit der kosmologischen Ergebnisse der Durchmusterung sicherstellen.