🔭 astrophysics

Constraining baryonic feedback and cosmology from DES Y3 and Planck PR4 6 $\times$ 2pt data. I. $Λ$ CDM models

Este estudio utiliza datos de DES Y3 y Planck mediante un análisis de correlaciones 6 $\times$ 2pt y un emulador de redes neuronales para restringir la cosmología y la retroalimentación bariónica, concluyendo que la retroalimentación es débil y presenta tensiones significativas con simulaciones como Illustris y OWLS.

Autores originales: Jiachuan Xu, Tim Eifler, Elisabeth Krause, Vivian Miranda, Jaime Salcido, Ian McCarthy

Publicado 2026-02-10

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Jiachuan Xu, Tim Eifler, Elisabeth Krause, Vivian Miranda, Jaime Salcido, Ian McCarthy

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El Gran Rompecabezas del Universo: ¿Cómo se "limpia" el espacio?

Imagina que estás intentando observar una ciudad de noche desde un avión muy alto. Quieres contar cuántas luces hay (las galaxias) y entender cómo están distribuidas para saber qué tan grande es la ciudad (el universo). Sin embargo, hay un problema: hay una neblina constante y ráfagas de viento que mueven las luces y cambian su brillo.

En el universo, esa "neblina" y ese "viento" son lo que los científicos llaman retroalimentación bariónica (baryonic feedback).

1. El problema: El "viento" cósmico

El universo no es solo oscuridad y gravedad. Está lleno de materia "normal" (átomos, gas, estrellas). Cuando las estrellas mueren o los agujeros negros gigantes en el centro de las galaxias "comen" materia, liberan una cantidad de energía brutal. Es como si en nuestra ciudad de noche, de repente, se encendieran y apagaran ventiladores gigantes que empujan el humo y la niebla de un lado a otro.

Este "viento" cósmico empuja el gas fuera de las galaxias, cambiando la forma en que vemos la materia. Si los científicos no tienen en cuenta este viento, sus cálculos sobre el tamaño y la velocidad del universo (la cosmología) saldrán mal. Es como intentar medir el tamaño de una ciudad mientras el viento mueve las luces de las farolas.

2. La herramienta: El "Simulador de Viento" (ANTILLES)

Para no perderse, los autores de este estudio usaron una herramienta increíble: una supercomputadora que corre simulaciones llamadas ANTILLES.

Imagina que, antes de salir en el avión, creas un videojuego ultra realista donde puedes probar diferentes tipos de viento: un viento suave, un huracán, una brisa constante. Al jugar con este "videojuego", los científicos aprendieron a reconocer cómo el viento deforma la imagen de la ciudad. Así, cuando ven la imagen real del cielo, pueden decir: "Ah, esa distorsión no es que la ciudad sea pequeña, es que el viento está empujando el gas hacia allá".

3. El método: El "Super-Emulador" (Inteligencia Artificial)

Hacer estos cálculos es tan difícil que a una computadora normal le tomaría siglos terminar. Para solucionarlo, los investigadores entrenaron a una Inteligencia Artificial (un emulador de redes neuronales).

Es como si, en lugar de calcular cada gota de lluvia en una tormenta, entrenaras a un experto que, con solo mirar una nube, te diga exactamente qué tan fuerte va a llover. Esto permitió que el análisis fuera 1,000 veces más rápido, permitiéndoles probar miles de escenarios en poco tiempo.

4. ¿Qué descubrieron? (Los resultados)

Después de combinar datos de telescopios gigantes (como el DES y el satélite Planck), llegaron a dos conclusiones principales:

El Universo es "tranquilo": Descubrieron que el "viento" cósmico (la retroalimentación) es en realidad bastante débil. No es un huracán destructivo, sino más bien una brisa constante. Esto descarta teorías anteriores que decían que el viento era tan fuerte que casi desarmaba las galaxias.
El misterio de la densidad ( $S_8$ ): Existe una pequeña pelea en la ciencia sobre qué tan "grumosa" es la materia en el universo (si está muy concentrada o más repartida). Este estudio ayuda a calmar las aguas, mostrando que, si entendemos bien el viento, los datos de las galaxias y los datos del fondo cósmico de microondas (el eco del Big Bang) empiezan a decir lo mismo.

En resumen:

Este trabajo es como haber aprendido finalmente a usar gafas con filtro para ver a través de la neblina cósmica. Gracias a esto, ahora podemos medir el universo con mucha más precisión, sabiendo que lo que vemos es la realidad y no solo el efecto del "viento" de las estrellas y los agujeros negros.

1. El Problema (Contexto y Motivación)

El estudio aborda dos de los desafíos más críticos en la cosmología observacional actual:

La tensión $S_8$ : Existe una discrepancia (de hasta $2\sigma$ ) entre los valores de la amplitud de fluctuaciones de materia ( $S_8 \equiv \sigma_8 \sqrt{\Omega_m/0.3}$ ) medidos por sondeos de lente débil de bajo redshift y las predicciones del Fondo Cósmico de Microondas (CMB) de Planck.
Retroalimentación Bariónica (Baryonic Feedback): Los procesos astrofísicos (como la retroalimentación de núcleos galácticos activos o AGN) redistribuyen la materia y suprimen el espectro de potencia de materia a escalas pequeñas. Si no se modelan correctamente, estos efectos pueden sesgar las mediciones de los parámetros cosmológicos, especialmente al intentar utilizar datos de escalas pequeñas para aumentar la precisión.

2. Metodología

Los autores emplean un análisis conjunto de seis funciones de correlación de dos puntos (6×2pt), lo que combina:

Cizalladura cósmica (Cosmic shear): $\xi_{\pm}^{ab}(\theta)$ .
Agrupamiento de galaxias (Galaxy clustering): $w_g^a(\theta)$ .
Lente gravitacional del CMB (CMB lensing): $C_\ell^{\kappa\kappa}$ .
Correlaciones cruzadas: Lente galaxia-galaxia ( $\gamma_t^{ab}$ ), lente galaxia-CMB ( $w_g^\kappa$ ) y cizalladura-CMB ( $w_s^\kappa$ ).

Innovaciones metodológicas clave:

Mitigación mediante PCA: Utilizan un Análisis de Componentes Principales (PCA) basado en la suite de simulaciones ANTILLES para modelar los efectos bariónicos. Esto permite absorber la incertidumbre de la retroalimentación mediante amplitudes ( $Q_i$ ) sin depender de un modelo físico previo rígido.
Calibración mediante fracción de masa bariónica ( $\bar{Y}_b$ ): Establecen una relación de escala entre la amplitud del primer componente principal ( $Q_1$ ) y la fracción de masa bariónica observada en grupos y cúmulos de galaxias (usando datos de HSC-XXL). Esto permite introducir un prior informativo basado en observaciones de rayos X y ópticas.
Inferencia acelerada por Machine Learning: Entrenan un emulador de redes neuronales para evaluar el vector de modelo 6×2pt. Esto acelera la velocidad del análisis MCMC en aproximadamente tres órdenes de magnitud ( $10^3$ ), permitiendo realizar cientos de simulaciones para validar la robustez frente a sistemáticas.

3. Contribuciones Principales

Integración de datos de alta precisión: Combinan el catálogo Maglim de DES Año 3 (Y3) con la liberación de datos Planck PR4, aprovechando la mayor relación señal/ruido del mapa de lente del CMB de Planck.
Validación de robustez: Realizan un estudio exhaustivo de sistemáticas, incluyendo el modelo de alineación intrínseca (IA), sesgos de la función de dispersión de punto (PSF) y la incertidumbre en el modelo del espectro de potencia no lineal (comparando Halofit con EuclidEmulator2).
Nuevos límites a la retroalimentación: Proporcionan una de las restricciones más estrictas hasta la fecha sobre la fuerza de la retroalimentación bariónica utilizando datos de lente débil.

4. Resultados

Parámetros Cosmológicos: Al incluir el prior de $\bar{Y}_b$ , obtienen un valor de $S_8 = 0.8073 \pm 0.0094$ . Al combinarlo con datos externos (Planck ACT y DESI DR2 BAO+BBN), la precisión mejora significativamente, logrando $S_8 = 0.8079 \pm 0.0073$ .
Fuerza de la retroalimentación ( $Q_1$ ): El análisis indica una retroalimentación débil. El valor obtenido es $Q_1 = 0.025^{+0.024}_{-0.029}$ para el análisis 6×2pt.
Tensión con otros modelos: Los resultados excluyen con alta significancia ( $2.9\sigma$ a $5.9\sigma$ ) los escenarios de retroalimentación fuerte propuestos por simulaciones como Illustris o OWLS AGN T8.7.
Consistencia: Los resultados son consistentes entre sí y con las mediciones de la CMB primaria, lo que sugiere que la retroalimentación bariónica por sí sola no es la solución para resolver la tensión $S_8$ .

5. Significado y Conclusiones

Este trabajo demuestra que es posible utilizar datos de escalas pequeñas (hasta $2.5'$ ) de forma segura si se emplea una mitigación de retroalimentación bariónica robusta y bien calibrada. La metodología de usar un emulador de redes neuronales y un prior basado en la fracción de masa bariónica establece un nuevo estándar para futuros sondeos como DES Y6 y LSST (Rubin Observatory). El estudio concluye que, aunque la retroalimentación es un factor crucial, los modelos actuales de la materia no lineal y la alineación intrínseca son igualmente importantes para la precisión cosmológica.