pop-cosmos: Forward modeling KiDS-1000 redshift distributions using realistic galaxy populations

Resumen Técnico: pop-cosmos: Modelado directo de las distribuciones de redshift de KiDS-1000 utilizando poblaciones de galaxias realistas

Planteamiento del problema
La precisión de las restricciones cosmológicas derivadas de los sondeos de galaxias de Etapa IV está fundamentalmente limitada por la exactitud de las distribuciones de redshift de galaxias inferidas, $n(z)$. Los métodos tradicionales dependen del reponderado de muestras de referencia espectroscópicas para coincidir con los datos fotométricos. Sin embargo, estas calibraciones espectroscópicas sufren de incompletitud y sesgos de selección intrínsecos, lo que puede introducir errores sistemáticos comparables o superiores a las incertidumbres estadísticas de los sondeos modernos de lensing débil. Este artículo aborda el desafío de inferir $n(z)$ para la muestra de lensing débil de KiDS-1000 (Kilo-Degree Survey) mediante el replanteamiento del problema como un ejercicio de modelado directo (forward-modeling), evitando la necesidad de un reponderado espectroscópico directo.

Metodología
Los autores desarrollan un marco de modelado directo que sintetiza observaciones simuladas realistas del sondeo KiDS-1000. El marco integra dos componentes principales:

1. Modelo de Población Generativa (pop-cosmos): Un modelo de difusión basado en puntuación (score-based diffusion model) entrenado con fotometría profunda de múltiples bandas (26 bandas) del catálogo COSMOS2020 (Spitzer IRAC Ch. 1 < 26). Este modelo opera en el espacio de los parámetros de Síntesis de Población Estelar (SPS, por sus siglas en inglés) (por ejemplo, historia de formación estelar, metalicidad, atenuación de polvo, contribución de AGN) para generar poblaciones de galaxias realistas con correlaciones intrínsecas entre las propiedades físicas y la fotometría observada. A diferencia de los modelos semianalíticos, pop-cosmos está impulsado por datos y captura la diversidad completa de las relaciones color–redshift observadas.
2. Modelo de Datos (Aprendizaje Automático): Un conjunto de modelos de aprendizaje automático entrenados en las simulaciones SKiLLS (KiDS-Legacy-Like Simulations) basadas en SURFS. Estos modelos aprenden la transformación compleja de las propiedades intrínsecas y sin ruido de las galaxias hacia observaciones de sondeo realistas, incluyendo:
   • Detección: Un clasificador de bosque aleatorio (random forest) que modela la probabilidad de detección basada en la magnitud de la banda $r$ y su profundidad.
   • Incertidumbre: Un flujo de ODE condicional que modela la incertidumbre de la magnitud AUTO de la banda $r$, la cual depende de la morfología y las condiciones locales.
   • Ruido: Un flujo de ODE condicional que modela los residuales de ruido de flujo de 10 dimensiones (diferencias entre los flujos medidos y los reales) en todas las bandas, capturando colas no gaussianas y tendencias dependientes de la magnitud.
   • Selección y Ponderación: Clasificadores y regresores adicionales emulan los cortes de calidad de KiDS-1000 (por ejemplo, separación estrella-galaxia, banderas de medición de forma) y predicen los pesos de lensfit.

El pipeline genera catálogos sintéticos similares a KiDS, extrayendo galaxias del modelo de población, aplicando el modelo de datos para simular ruido y selección, y luego aplicando el mismo agrupamiento tomográfico (usando redshifts fotométricos BPZ) que los datos reales. Los redshifts verdaderos de las galaxias simuladas se utilizan entonces como el $n(z)$ calibrado.

Contribuciones Clave y Resultados

• Validación del Modelo de Datos: Los autores demuestran que su modelo de datos basado en aprendizaje automático puede reproducir con precisión las propiedades estadísticas de las simulaciones SKiLLS. Cuando la población subyacente de SKiLLS (basada en el modelo semianalítico shark) pasa a través del modelo de datos, las distribuciones de redshift resultantes coinciden con las distribuciones "verdaderas" de SKiLLS con diferencias de redshift medio $\Delta z < 0.005$.
• Impacto de las Suposiciones de la Población: Al reemplazar la población shark por la población pop-cosmos, los autores observan desplazamientos sistemáticos en las distribuciones de redshift inferidas. En el primer bin tomográfico ($0.1 < z < 0.3$) y el último ($0.9 < z < 1.2$), los redshifts medios difieren por $\Delta z \sim 0.05\text{--}0.1$.
• Relaciones Color–Redshift: Los desplazamientos se atribuyen a las diferencias en las relaciones color–redshift entre los dos modelos. pop-cosmos predice un rango más amplio de colores más rojos a altos redshifts en comparación con shark, lo que lleva a BPZ a asignar galaxias de redshift intermedio al bin más alto y a dispersar algunos objetos de alto redshift hacia los bins inferiores. Esto resalta que la elección del modelo de población influye directamente en la calibración de $n(z)$.
• Generalización: El marco aplica con éxito un modelo entrenado con datos de COSMOS2020 al sondeo KiDS-1000, que tiene diferentes profundidades, selecciones y condiciones de observación. Las estimaciones de $n(z)$ resultantes se comparan con las distribuciones de KiDS-1000 publicadas (derivadas mediante reponderado espectroscópico), mostrando diferencias inherentes debido a las diferentes poblaciones de galaxias y funciones de selección.

Significancia y Reivindicaciones
El artículo afirma proporcionar una alternativa robusta e independiente a la calibración de redshift basada en espectroscopía. Al modelar directamente la selección del sondeo y el ruido desde un modelo de población calibrado empíricamente, este enfoque evita los sesgos de selección e incompletitud inherentes a las muestras de referencia espectroscópicas.

Los autores enfatizan que las diferencias sistemáticas observadas ($\Delta z \sim 0.05\text{--}0.1$) entre pop-cosmos y shark son comparables a las incertidumbres reportadas para los métodos de reponderado espectroscópico. Esto subraya la importancia crítica del modelo de población de galaxias subyacente en la determinación de $n(z)$. El trabajo establece a pop-cosmos como una herramienta viable para estimar distribuciones de redshift a nivel de población para los sondeos de Etapa IV. Los autores afirman que estas distribuciones se utilizarán en un próximo reanálisis cosmológico completo de KiDS para proporcionar una verificación independiente de las calibraciones existentes. Concluyen que, a medida que los sondeos avancen hacia la precisión de nivel de porcentaje, las herramientas de modelado directo fundamentadas en modelos de población calibrados empíricamente serán esenciales para asegurar que las incertididades sistemáticas en la calibración de redshift no limiten las restricciones de la física fundamental.