Fast Baryonic Field Painting for Sunyaev-Zel'dovich Analyses: Transfer Function vs. Hybrid Effective Field Theory

Resumen Técnico: Pintado Rápido de Campos Bariónicos para Análisis de Sunyaev-Zel'dovich

Planteamiento del Problema
Comprender la distribución de la materia bariónica es crítico para validar los modelos cosmológicos, sin embargo, las observaciones en tiempos tardíos solo dan cuenta de una fracción de la abundancia bariónica predicha. Los efectos de Sunyaev-Zel'dovich (SZ) —específicamente los efectos térmico (tSZ) y cinemático (kSZ)— sirven como sondas primarias para mapear este contenido bariónico. Si bien las simulaciones hidrodinámicas de física completa (por ejemplo, IllustrisTNG) pueden modelar estos efectos con precisión, son computacionalmente prohibitivas, requiriendo a menudo millones de horas de CPU y careciendo del volumen estadístico necesario para una inferencia cosmológica robusta. Por el contrario, las simulaciones N-body de solo materia oscura son rápidas y precisas, pero carecen de la física bariónica. El desafío radica en desarrollar métodos computacionalmente eficientes para "pintar" las propiedades bariónicas, específicamente la profundidad óptica ($\tau$) y los parámetros de Compton-$y$, sobre simulaciones de solo materia oscura para facilitar futuros análisis de SZ.

Metodología
Los autores evalúan dos métodos distintos de reconstrucción a nivel de campo utilizando la suite de simulaciones MillenniumTNG como referente, entrenados en la suite CAMELS (Cosmology and Astrophysics with MachinE Learning Simulations).

1. Emulador de Función de Transferencia de Procesos Gaussianos (GP):
   Este enfoque modela la relación entre el campo de sobredensidad de materia oscura ($\delta_m$) y el campo bariónico objetivo ($\delta_b$) mediante una función de transferencia $T(k) = \sqrt{P_b(k)/P_m(k)}$. Dado que la verdadera función de transferencia es desconocida para nuevas simulaciones, los autores emplean un emulador de Procesos Gaussianos entrenado en la suite de IllustrisTNG de CAMELS. El emulador predice la función de transferencia basándose en los parámetros cosmológicos ($\Omega_m, \sigma_8$) y los parámetros de retroalimentación astrofísica. Para la aplicación en MillenniumTNG, los parámetros astrofísicos se tratan como parámetros de molestia (nuisance parameters) y se optimizan mediante evolución diferencial para coincidir con la función de transferencia objetivo.

2. Teoría de Campo Efectivo Híbrida (HEFT):
   Este método combina la Teoría de Perturbaciones Lagrangiana (LPT) con simulaciones numéricas. Trata a los bariones como trazadores sesgados del campo de densidad lagrangiana inicial. La reconstrucción implica advectar las condiciones iniciales hacia adelante en el tiempo utilizando campos de desplazamiento derivados de la simulación y aplicando una expansión de sesgo (bias expansion). El campo reconstruido es una combinación lineal del campo de materia oscura y operadores de orden superior (por ejemplo, $\delta^2$, cizalladura al cuadrado, $\nabla^2\delta$) con parámetros de sesgo ajustados. Los autores prueban ajustes de sesgo independientes de la escala y dependientes de la escala.

3. HEFT Extendida (E-HEFT):
   Como una síntesis de los dos enfoques, los autores proponen una extensión donde el propio campo de materia oscura ($\delta_m$) se trata como un término de sesgo en la expansión, en lugar de ser solo la base. Esto permite un ajuste a nivel de campo para el componente $\delta_m$, sintetizando efectivamente la teoría de perturbaciones lagrangiana con el ajuste de sesgo de Euler.

Contribuciones Clave y Resultados
El estudio compara estos métodos contra los verdaderos campos de $\tau$ y Compton-$y$ en MillenniumTNG mediante coeficientes de correlación cruzada, espectros de potencia y métricas de error del espectro de potencia.

• Reconstrucción de la Profundidad Óptica ($\tau$):
  El campo $\tau$ exhibe una alta correlación inicial con el campo de materia oscura ($r \approx 1$). En este régimen, el método de la Función de Transferencia produce las reconstrucciones más precisas, replicando con éxito el espectro de potencia hasta la frecuencia de Nyquist ($k \approx 6.78 \, h/\text{Mpc}$), con un error un orden de magnitud menor que los métodos HEFT. Los métodos HEFT, aunque capaces de igualar los espectros de potencia, degradan el coeficiente de correlación cruzada en escalas pequeñas en comparación con el enfoque de la función de transferencia. El método E-HEFT mejora ligeramente al estándar HEFT, pero no supera a la función de transferencia para este campo altamente correlacionado.

• Reconstrucción de Compton-$y$:
  El campo Compton-$y$ tiene una correlación inicial más débil con la materia oscura ($r \sim 0.5$). Aquí, el método de la Función de Transferencia actúa de forma subóptima porque no puede mejorar la correlación cruzada entre campos no correlacionados; simplemente escala la correlación existente. En contraste, el enfoque HEFT resulta superior, aumentando el coeficiente de correlación cruzada en un 10–15% mientras mantiene la precisión del espectro de potencia. La variante de HEFT independiente de la escala logra esto con solo cuatro parámetros de sesgo libres. El método E-HEFT proporciona el mejor rendimiento general para este campo, mejorando significativamente la correlación cruzada hasta la frecuencia de Nyquist de la caja.

• Correlaciones Cruzadas de Halos:
  Ambos métodos generalmente reproducen bien la correlación cruzada entre los campos reconstruidos y los halos de materia oscura en grandes escalas ($k < 1 \, h/\text{Mpc}$). Sin embargo, las discrepancias aumentan en las escalas menores. El campo Compton-$y$ muestra mayores desviaciones de la verdad en las correlaciones cruzadas de halos en comparación con $\tau$, lo que sugiere que la materia oscura por sí sola es insuficiente para capturar completamente la distribución de Compton-$y$, particularmente para halos de alta masa.

Significancia y Conclusiones
El artículo demuestra que la reconstrucción rápida a nivel de campo de los observables de SZ es factible con una alta eficiencia computacional. Los autores conclieren que la elección del método depende de la correlación intrínseca entre los campos de materia oscura y el campo bariónico objetivo:

• Para campos altamente correlacionados (como la profundidad óptica), el emulador de la Función de Transferencia es el método preferido, preservando altas correlaciones cruzadas y minimizando los errores del espectro de potencia.
• Para campos débilmente correlacionados (como el Compton-$y$), el marco HEFT es más efectivo, ya que puede mejorar activamente las correlaciones mediante el ajuste de sesgo.
• El HEFT Extendido (E-HEFT) sirve como una síntesis robusta, ofreciendo un rendimiento mejorado para ambos regímenes al incorporar el campo de materia oscura como un término de sesgo.

Los autores señalan que, si bien estos métodos son prometedores, las mejoras futuras podrían implicar la integración de modelos de aprendizaje automático generativo (como los modelos de difusión) para abordar las correlaciones a pequeña escala que los enfoques perturbativos o de función de transferencia actuales podrían omitir. Este trabajo establece una base para utilizar simulaciones N-body rápidas para modelar los efectos de retroalimentación bariónica para los próximos estudios de SZ.