Improving constraints on primordial non-Gaussianity from Quaia with a new cosmological observable: angular redshift fluctuations

Technische Zusammenfassung: Verbesserung der Einschränkungen auf primordiale Nicht-Gaußförmigkeit durch ARFs mit Winkelschicht-Rotverschiebungsfluktuationen

Problem und Motivation
Der Nachweis der primordialen Nicht-Gaußförmigkeit (PNG), parametrisiert durch $f_{\text{NL}}$, ist ein entscheidender Test für Inflationsmodelle, bei denen ein von Null verschiedener Wert auf Abweichungen von Gaußschen Anfangsbedingungen hindeuten würde. Während die bisher engsten Einschränkungen aus dem CMB-Bispektrum stammen (z. B. Planck 2018), bietet die großräumige Struktur des Universums (LSS) durch den Effekt des skalenabhängigen Bias eine komplementäre Sonde. Dieser Effekt, vorhergesagt von Dalal et al. (2008), führt eine charakteristische $1/k^2$-Signatur im Galaxien-Bias für lokale PNG ein. Die Messung dieses Effekts aus LSS ist jedoch aufgrund der Notwendigkeit einer präzisen Kontrolle beobachtungsbedingter Systematiken auf den größten Skalen eine Herausforderung.

Jüngste Studien haben 2D-Winkelleistungsspektren und Kreuzkorrelationen mit der CMB-Linseneffekt-Verkonvergenz genutzt, um $f_{\text{NL}}$ einzugrenzen. Diese Arbeit adressiert das Potenzial, diese Einschränkungen durch die Einbeziehung einer neuen kosmologischen Observablen zu verbessern: der Winkel-Rotverschiebungsfluktuationen (Angular Redshift Fluctuations, ARFs). ARFs messen die 2D-Winkelabweichungen der durchschnittlichen Rotverschiebung eines Materie-Tracers innerhalb einer gegebenen Schale. Theoretisch sind ARFs sensitiv gegenüber dem Galaxien-Bias und somit gegenüber PNG, doch ihre Anwendung auf reale Daten zur $f_{\text{NL}}$-Einschränkung war zuvor nicht demonstriert worden.

Methodik
Die Autoren analysierten den Quaia-Katalog, eine Vollhimmel-Stichprobe von etwa 1,3 Millionen Quasaren (QSOs), die aus Gaia DR3 und unWISE-Daten abgeleitet wurde und ein großes kosmologisches Volumen abdeckt. Die Analyse-Pipeline umfasste die folgenden Schritte:

1. Datenaufbereitung: Die Quaia-Stichprobe wurde in zwei Rotverschiebungs-Bins ($\bar{z} \approx 0,97$ und $\bar{z} \approx 2,10$) aufgeteilt. HEALPix-Maps ($N_{\text{side}}=128$) wurden sowohl für die Anzahl der Galaxien (Dichte) als auch für die ARFs erstellt. Das ARF-Feld wurde als gewichteter Durchschnitt der Rotverschiebungsfluktuation pro Pixel definiert, unter Verwendung eines breiten Gaußschen Fensters, das der intrinsischen Rotverschiebungsverteilung der Durchmusterung entspricht.
2. Kreuzkorrelationen: Die Studie kombinierte die Quaia-Dichte- und ARF-Maps mit Planck PR4 CMB-Linseneffekt-Konvergenz-Maps. Dies ergab vier Observablen: die Auto-Leistungsspektren der Dichte ($C_{gg}^\ell$) und der ARFs ($C_{zz}^\ell$) sowie deren Kreuzkorrelationen mit dem CMB-Linseneffekt ($C_{\kappa g}^\ell$ und $C_{\kappa z}^\ell$).
3. Theoretische Modellierung: Eine modifizierte Version des CAMB-Boltzmann-Codes (ARFCAMB) wurde verwendet, um die theoretischen Leistungsspektren zu berechnen. Dieser Code beinhaltet den ARF-Kernel und berücksichtigt photometrische Rotverschiebungsunsicherheiten ($\sigma_z \approx 0,06(1+z)$). Das Modell beinhaltete den durch $f_{\text{NL}}$ induzierten skalenabhängigen Bias unter der Universalitätsrelation (unter Annahme von $p=1$) sowie eine flexible Parametrisierung der Rotverschiebungsentwicklung des Galaxien-Bias ($b(z)$).
4. Systematik und Kovarianz: Um beobachtungsbedingte Systematiken zu adressieren, verwendeten die Autoren eine Systematik-Deprojektion mittels linearer Regression gegen Quaia-Templates. Skalen-Cuts wurden durch den Vergleich von Datensprüngen gegen Mock-Realisierungen bestimmt; speziell wurden $\ell_{\text{min}}=14$ für die Dichte und $\ell_{\text{min}}=10$ für die ARF-Auto-Spektren angewendet, um niedrige-$\ell$-Offsets zu entfernen, die nicht mit statistischen Fluktuationen kompatibel sind. Eine Kovarianzmatrix wurde aus 1.000 korrelierten Simulationen abgeleitet, wobei Korrekturen an den Mock-Auto-Spektren vorgenommen wurden, um den beobachteten Überschuss an Leistung in den realen Daten bei niedrigen Multipolen anzupassen.
5. Parameterinferenz: Eine Gaußsche Likelihood wurde unter Verwendung der gemessenen Leistungsspektren und der Kovarianzmatrix konstruiert. MCMC-Sampling (emcee) wurde verwendet, um $f_{\text{NL}}$ und die Bias-Parameter ($b_0, \alpha$) einzugrenzen.

Hauptergebnisse
Die Analyse lieferte folgende Einschränkungen für den lokalen Nicht-Gaußförmigkeitsparameter $f_{\text{NL}}$ (unter Annahme der Universalitätsrelation mit $p=1$):

• ARFs allein: Die Kombination aus der ARF-Autokorrelation und der ARF-CMB-Linseneffekt-Kreuzkorrelation ergab $f_{\text{NL}} = -43^{+50}_{-44}$.
• Dichte allein: Die Kombination aus der Dichte-Autokorrelation und der Dichte-CMB-Linseneffekt-Kreuzkorrelation ergab $f_{\text{NL}} = -25^{+19}_{-17}$, konsistent mit früheren Quaia-Analysen (Fabbian et al. 2026).
• Gemeinsame Analyse: Die Kombination aller vier Observablen ($C_{gg}^\ell, C_{\kappa g}^\ell, C_{zz}^\ell, C_{\kappa z}^\ell$) resultierte in $f_{\text{NL}} = -3 \pm 14$ bei einem 68%-Konfidenzintervall.
• Optimierung der Güte der Anpassung (Goodness-of-Fit): Die Autoren stellten leichte Spannungen im $\chi^2$ fest, wenn die ARF-CMB-Kreuzkorrelation ($C_{\kappa z}^\ell$) einbezogen wurde. Die Ausschluss dieser spezifischen Kreuzkorrelation zur Verbesserung der Güte der Anpassung führte zu $f_{\text{NL}} = -5^{+16}_{-15}$.

Die gemeinsame Einschränkung stellt eine Verbesserung von etwa 25 % gegenüber der vorherigen Quaia-Messung dar, die nur Dichte und CMB-Linseneffekt verwendete. Dieses Ergebnis stellt die zweitengeste Einschränkung auf $f_{\text{NL}}$ unter Verwendung von LSS-Zwei-Punkt-Statistiken dar (nach DESI DR1 spektroskopischen Daten) und ist die präziseste, die bisher mit projizierten 2D-Zusammenfassungsstatistiken erreicht wurde.

Bedeutung und Robustheit
Das Paper behauptet, dass die Einbeziehung von ARFs als kosmologische Observable eine messbare Verbesserung der $f_{\text{NL}}$-Einschränkungen unter Verwendung realer Daten bietet. Die Autoren verifizierten die Robustheit ihrer Ergebnisse durch mehrere Tests:

• Bias-Modellierung: Die Ergebnisse blieben stabil, wenn das fiduzielle Modell der Galaxien-Bias-Evolution variiert wurde (Test sowohl von Piccirilli et al. 2024 als auch von Laurent et al. 2017) und wenn unabhängige Bias-Parameter für die Dichte- und ARF-Felder zugelassen wurden.
• Skalen-Cuts: Die Einschränkungen erwiesen sich als stabil gegenüber Variationen der minimalen Multipol-Cuts ($\ell_{\text{min}}$), obwohl eine gewisse Spannung in den Bias-Parametern beobachtet wurde, was auf die höhere Sensitivität des ARF-Kernels gegenüber nichtlinearen Skalen ($k$-Modi) im Vergleich zum Dichtekernel zurückgeführt wird.
• Universalitätsrelation: Beim Aufweichen der Annahme von $p=1$ auf $p=1,6$ (ein Wert, der für QSOs in einiger Literatur vorgeschlagen wird), verschob sich die Einschränkung zu $f_{\text{NL}} = 2^{+20}_{-21}$, bzw. $b_\phi f_{\text{NL}} = -63^{+79}_{-89}$ in einem modellunabhängigen Ansatz.

Die Autoren kommen zu dem Schluss, dass trotz interner Spannungen zwischen den Observablen – wahrscheinlich aufgrund der Notwendigkeit einer verbesserten Modellierung nichtlinearer Skalen in ARFs – die Hinzunahme von ARFs zu 2D-Analysen ein vielversprechender Weg ist. Sie plädieren für die Einbeziehung von ARFs in zukünftige Analysen großer Durchmusterungen wie DESI, Euclid und LSST, wobei sie darauf hinweisen, dass ARFs eine robuste 2D-Alternative zur Standard-3D-Clustering bieten könnten, insbesondere für photometrische Durchmusterungen, bei denen die Unsicherheiten der Rotverschiebung nicht vernachlässigbar sind.