Euclid preparation: LXXXVII. Non-Gaussianity of 2-point statistics likelihood: Precise analysis of the matter power spectrum distribution

1. Planteamiento del Problema

La cosmología de precisión moderna, impulsada por misiones como Euclid, depende críticamente de la extracción de información cosmológica a partir de estadísticas de dos puntos (función de correlación en el espacio real y espectro de potencia en el espacio de Fourier).

• La suposición común: Tradicionalmente, se asume que la distribución de estas estadísticas sigue una distribución Gaussiana multivariada para modelar la función de verosimilitud (likelihood).
• El problema: Esta suposición es incorrecta, especialmente en escalas no lineales y a bajos corrimientos al rojo (redshifts). La agrupación no lineal de la materia genera estadísticas de orden superior (N > 2) que inducen momentos de orden superior (sesgo o skewness, curtosis) en la distribución del espectro de potencia.
• La incertidumbre: No se ha cuantificado con suficiente precisión cómo la no-Gaussianidad intrínseca del campo de densidad, combinada con efectos observacionales (ruido de disparo, geometría de la encuesta, binning), afecta a la distribución completa del estimador del espectro de potencia. Si la suposición Gaussiana es injustificada, podría sesgar la inferencia de los parámetros cosmológicos.

2. Metodología

El estudio emplea un enfoque híbrido que combina un marco analítico riguroso con simulaciones masivas aproximadas.

• Simulaciones (COVMOS):

  • Se utilizaron 100,000 realizaciones de campos de densidad de materia oscura generadas con el método COVMOS (un generador de catálogos aproximados basado en transformaciones locales de campos Gaussianos).
  • Se cubrieron múltiples corrimientos al rojo ($z = 0, 0.5, 1, 1.5, 2$) y tres modelos cosmológicos: $\Lambda$CDM, uno con neutrinos masivos ($16\nu$) y uno con energía oscura dinámica ($w9p3$).
  • Las simulaciones se realizaron tanto en espacio real como en espacio de redshift (incluyendo distorsiones por redshift, RSD).
  • Se validó la fiabilidad de COVMOS para estadísticas de orden superior comparándola con simulaciones $N$-cuerpo completas (DEUS-PUR).

• Marco Analítico:

  • Se derivó una expresión analítica para el tercer momento acumulado (sesgo) del estimador del espectro de potencia ($\hat{P}^{(\ell)}(k)$).
  • Se demostró que el sesgo depende de las estadísticas de orden superior del campo de densidad: el trispectro (4 puntos) y el pentaspectro (6 puntos).
  • Se definieron estimadores para el sesgo reducido ($S_3$) y la curtosis reducida ($S_4$) y se compararon con las predicciones para un campo Gaussiano.

• Variables Investigadas:

  • Efectos cosmológicos (modelo, $z$, RSD).
  • Configuraciones del estimador (binning de modos de Fourier, esquemas de asignación de masa, aliasing).
  • Características de la encuesta (densidad de muestra/ruido de disparo, función de ventana/máscara de la encuesta).

3. Contribuciones Clave y Resultados

A. Origen de la No-Gaussianidad y Componentes Dominantes

• Desviación de la Gaussiana: Se confirmó que la distribución del espectro de potencia se desvía significativamente de la Gaussiana en escalas no lineales ($k > 0.1 \, h/\text{Mpc}$ a $z=0$).
• Dominio del Pentaspectro: El análisis descompuso el sesgo en contribuciones del bispectro, trispectro y pentaspectro.
  • La contribución del bispectro es despreciable debido a restricciones geométricas en el promediado de conchas.
  • En escalas intermedias, el trispectro domina.
  • En escalas pequeñas (no lineales), el pentaspectro es el contribuyente dominante, superando al trispectro.
• Espacio Real vs. Redshift: En el espacio real, el exceso de sesgo es máximo. En el espacio de redshift, las distorsiones (RSD) transfieren parte de este exceso a los multipoles superiores (cuadrupolo, hexadecapolo), pero reducen la amplitud global del sesgo del monopolo en un factor de ~10.

B. Impacto de la Configuración del Estimador

• Binning (Agrupamiento de modos): Aumentar el ancho de la concha de Fourier ($\Delta k$) incrementa el exceso de sesgo, especialmente en escalas intermedias ($0.15 - 0.4 \, h/\text{Mpc}$), donde puede aumentar hasta un 66% respecto al binning fundamental. Esto se debe a que un bin más grande promedia más modos correlacionados.
• Aliasing y Esquemas de Masa: Se verificó que las técnicas de reducción de aliasing (interlacing) y los esquemas de asignación de masa (CIC vs. PCS) no afectan significativamente al sesgo, lo que confirma que el exceso observado es de origen cosmológico y no un artefacto numérico.

C. Efectos de la Encuesta (Ruido y Geometría)

• Ruido de Disparo (Shot Noise): Aumentar el ruido de disparo (reduciendo la densidad de galaxias) reduce el exceso de sesgo. Cuando el ruido domina sobre la señal, la distribución tiende a comportarse más como una Poisson pura, suprimiendo la no-Gaussianidad inducida por la agrupación de materia. Para la densidad esperada de Euclid, el sesgo se reduce significativamente (~50% en $k \sim 0.4 \, h/\text{Mpc}$).
• Función de Ventana (Máscara de la Encuesta):
  • Restringir el campo a una geometría cónica (simulando la máscara de Euclid) aumenta el sesgo en todas las escalas.
  • Esto ocurre por dos razones: (1) reduce el número de modos independientes disponibles y (2) correlaciona los modos de Fourier.
  • La restricción integral (Integral Constraint - IC), derivada de la estimación de la densidad media dentro de la máscara, introduce un exceso adicional de sesgo en escalas pequeñas, especialmente en volúmenes de encuesta pequeños.

D. Distribución de Modos Individuales

• Un hallazgo crucial es que, aunque el campo de densidad es no-Gaussiano, el módulo cuadrado de cada modo de Fourier individual ($|\delta_k|^2$) sigue con gran precisión una distribución exponencial (lo esperado para un campo Gaussiano).
• Conclusión: La no-Gaussianidad del espectro de potencia (el sesgo excesivo) no proviene de la distribución intrínseca de los modos individuales, sino de las correlaciones entre los modos dentro de una misma concha de Fourier.

4. Significado y Conclusiones

• Validación de Herramientas: El estudio valida el método COVMOS como una herramienta fiable para estudiar no solo la covarianza, sino también la distribución completa (momentos de orden superior) de las estadísticas de dos puntos.
• Implicaciones para Euclid:
  • La suposición de una likelihood Gaussiana es una aproximación que falla en escalas no lineales, pero el papel de la geometría de la encuesta y el ruido de disparo es complejo: el ruido reduce el sesgo, mientras que la máscara lo aumenta.
  • El sesgo es impulsado principalmente por el pentaspectro en escalas pequeñas.
• Impacto en la Inferencia: Aunque la distribución no es Gaussiana, el artículo señala (y se explora en profundidad en el artículo compañero GB-2025) que, para datos similares a los de Euclid, asumir una likelihood Gaussiana no introduce un sesgo significativo en la estimación de los parámetros cosmológicos, gracias a la compensación de efectos como el ruido de disparo y la gran cantidad de modos disponibles.

En resumen, este trabajo proporciona el marco analítico y la validación numérica necesaria para entender las desviaciones de la Gaussianidad en las estadísticas de dos puntos, identificando los mecanismos físicos (pentaspectro, correlaciones de modos) y observacionales (máscara, binning) que las gobiernan, asegurando así la robustez de los futuros análisis de datos de Euclid.