Optimising the sample selection for photometric galaxy surveys

Título: Optimización de la selección de muestras para sondeos de galaxias fotométricas

1. El Problema

En la era de la cosmología de precisión, los nuevos sondeos de la cuarta generación (Stage-IV) como Euclid y el Legacy Survey of Space and Time (LSST) generarán datos de miles de millones de galaxias. El objetivo principal es determinar parámetros cosmológicos con alta precisión y resolver las tensiones actuales entre sondas de bajo y alto desplazamiento al rojo.

Para ello, se utiliza el análisis 3x2 puntos (3x2pt), que combina tres sondas:

1. Agrupamiento de galaxias (Galaxy Clustering - GC).
2. Lente gravitacional débil (Weak Lensing - WL).
3. Lente galaxia-galaxia (Galaxy-Galaxy Lensing - GGL).

El desafío central es que la selección óptima de muestras (específicamente, la definición de los bines tomográficos o rangos de desplazamiento al rojo) para una sonda no necesariamente es la óptima para otra. Además, las interacciones y correlaciones cruzadas entre estas sondas requieren una optimización conjunta. Los métodos anteriores se limitaban a configuraciones predefinidas (bines de igual ancho o igual población) o eran computacionalmente inviables debido al alto costo de ejecutar cadenas de inferencia bayesiana en cada paso de optimización.

2. Metodología

Los autores presentan un pipeline de extremo a extremo (end-to-end) eficiente y flexible para optimizar automáticamente la selección de muestras. La metodología se divide en dos etapas principales:

• Generación de Catálogos y Estimación de $z_{ph}$:

  • Utilizan datos simulados del DESC Data Challenge 2 (DC2), basado en la simulación CosmoDC2.
  • Emplean un Mapa Autoorganizado (Self-Organizing Map - SOM) para estimar los desplazamientos al rojo fotométricos ($z_{ph}$). El SOM reduce la dimensionalidad de los datos proyectando las galaxias en un mapa 2D basado en sus "fenotipos" de color (diferencias de magnitud en bandas $u-g, g-r, r-i, i-z, z-y$).
  • Las galaxias se asignan a celdas (neuronas) del SOM, y se les asigna una distribución $n(z)$ basada en las galaxias de entrenamiento espectroscópicas en esa celda.

• Algoritmo de Optimización Iterativa:

  • En lugar de buscar una combinación exhaustiva de celdas (que es intratable), el método optimiza los límites de los bines tomográficos para las galaxias fuente (lente débil) y de lente (agrupamiento) por separado, de manera iterativa.
  • Proceso:
    1. Se parte de una configuración inicial de bines equidistantes.
    2. Se fija la configuración de las galaxias fuente y se perturban aleatoriamente los límites de los bines de las galaxias de lente (muestreando 200 configuraciones por iteración).
    3. Se selecciona la configuración que maximiza la métrica y se fija.
    4. Se invierte el proceso: se fija la lente y se optimizan los límites de las fuentes.
    5. Se repite hasta la convergencia (generalmente en 4 iteraciones).
  • Métrica de Evaluación: Se utiliza la Matriz de Fisher para predecir las restricciones cosmológicas. La métrica de optimización es el Figura de Mérito (FoM) para los parámetros de la ecuación de estado de la energía oscura ($w_0, w_a$) o para el conjunto completo de parámetros del modelo $w_0wa\text{CDM}$.
  • Modelado de Sistemáticos: El pipeline incluye efectos sistemáticos realistas: sesgo de galaxias, alineación intrínseca (modelo TATT), sesgo multiplicativo de cizalla, errores en $z_{ph}$ (desplazamiento y dispersión) y magnificación.

3. Contribuciones Clave

• Pipeline Automatizado: Desarrollo de un flujo de trabajo eficiente que combina la estimación de $z_{ph}$ con SOM y la optimización iterativa de bines, capaz de converger en un tiempo computacional viable (~1200 horas de CPU para el caso más costoso).
• Optimización Separada e Iterativa: A diferencia de métodos previos que trataban las muestras de forma conjunta o estática, este método reconoce la dependencia mutua entre las configuraciones de fuente y lente, optimizándolas alternativamente para maximizar la información conjunta del análisis 3x2pt.
• Flexibilidad: No se limita a configuraciones predefinidas (igual ancho o igual población), permitiendo que los límites de los bines se adapten dinámicamente a la distribución de $n(z)$ y a las necesidades de cada sonda.

4. Resultados

• Convergencia Rápida: El algoritmo converge consistentemente tras 4 iteraciones (2 para fuente, 2 para lente).
• Mejora del Figura de Mérito (FoM):
  • Para el modelo de energía oscura dinámica ($w_0wa$), la optimización logra un aumento del FoM de aproximadamente un factor de 2 (y hasta 2.5 en algunos casos) en comparación con configuraciones no optimizadas (bines equidistantes).
  • Esto equivale a un aumento efectivo del área de sondeo de aproximadamente un factor de 4 si no se optimizara la selección.
  • Se observa una mejora del ~25% en las restricciones individuales de los parámetros $w_0$ y $w_a$.
• Configuraciones Óptimas Físicas:
  • Galaxias Fuente (WL): Tendencia a bines más anchos en alto desplazamiento al rojo, donde la señal de lente es más débil y los errores de $z_{ph}$ son mayores pero menos críticos.
  • Galaxias de Lente (GC): Tendencia a bines más estrechos en el rango de bajo-medio desplazamiento al rojo para maximizar la señal de agrupamiento, ajustándose al error fotométrico.
  • El algoritmo tiende a suprimir bines de muy bajo desplazamiento al rojo donde la señal de lente es baja, concentrando la densidad de galaxias en rangos medios y altos.
• Robustez: La mejora se mantiene tanto al optimizar solo para $w_0wa$ como para todo el conjunto de parámetros cosmológicos. Además, la optimización para un objetivo no degrada (y a menudo mejora) las restricciones de los parámetros "fuera de objetivo" (off-target).

5. Significado e Impacto

Este trabajo demuestra que la selección de muestras en sondeos fotométricos no debe ser estática ni seguir reglas heurísticas simples. La optimización dinámica de los límites de los bines tomográficos es crucial para extraer el máximo potencial científico de los datos de la próxima generación de sondeos.

• Eficiencia de Coste: Un aumento del FoM por un factor de 2 mediante optimización de selección es comparable a aumentar el área del cielo observada en un factor de 4, lo que representa un ahorro masivo en recursos de observación y tiempo de telescopio.
• Aplicabilidad: El método es aplicable a futuros análisis de datos reales de Euclid, LSST y otros sondeos Stage-IV, ofreciendo una herramienta poderosa para mejorar las restricciones sobre la naturaleza de la energía oscura y resolver tensiones cosmológicas actuales.
• Validación: Los resultados son consistentes con las expectativas teóricas y superan a métodos previos que solo comparaban configuraciones discretas, validando la necesidad de un enfoque numérico y flexible para la tomografía en cosmología.