Halo Occupation Distribution estimation performance for LSST data

Título: Rendimiento de la estimación de la Distribución de Ocupación de Halos (HOD) para datos de LSST

1. El Problema

El objetivo central de la cosmología moderna es comprender cómo las galaxias trazan la distribución subyacente de la materia oscura. La Distribución de Ocupación de Halos (HOD) es un marco estadístico fundamental que describe la probabilidad de que un halo de materia oscura de masa $M_h$ contenga un número específico de galaxias ($N$), distinguiendo entre galaxias centrales y satélites.

Sin embargo, existen desafíos significativos para estimar la HOD con los futuros sondeos de gran escala como el LSST (Legacy Survey of Space and Time) del Observatorio Vera C. Rubin:

• Limitación de datos espectroscópicos: La identificación precisa de grupos de galaxias y sus centros requiere redshifts espectroscópicos, que son escasos y costosos de obtener para grandes volúmenes.
• Dependencia de la espectroscopía: Los métodos tradicionales de estimación de HOD a menudo dependen de catálogos de grupos confirmados espectroscópicamente, lo que limita el tamaño de la muestra y la profundidad de los estudios.
• Complejidad con datos fotométricos: Los sondeos futuros serán principalmente fotométricos. La incertidumbre en los redshifts fotométricos ($z_{photo}$) y la falta de información dinámica directa complican la identificación de centros de grupos y la corrección de contaminación por galaxias de fondo/foreground.

2. Metodología

Los autores proponen extender la Técnica de Resto de Fondo (Background Subtraction Technique - BST), validada previamente con datos espectroscópicos, para aplicarla eficazmente a catálogos basados en datos fotométricos. La metodología se basa en los siguientes pilares:

• Datos de Prueba: Utilizaron el catálogo de galaxias cosmoDC2 (parte del Desafío de Datos 2 de la colaboración LSST DESC), que contiene ~2.26 mil millones de galaxias simuladas con propiedades físicas y fotométricas realistas, incluyendo redshifts espectroscópicos ("verdaderos") y fotométricos (FlexZBoost y BPZ).
• Muestreo Volumétrico: Se definieron muestras limitadas en volumen absoluto ($M_r < -17, -18, -19, -20$) para mitigar la incompletitud dependiente del redshift, asegurando que las galaxias más brillantes de cada grupo sean detectables hasta cierto límite de redshift ($z_{max}$).
• Identificador de Galaxia Central (CGF - Central Galaxy Finder): Dado que no se dispone de centros de grupos conocidos en datos puramente fotométricos, implementaron un algoritmo iterativo basado en la luminosidad:
  1. Selecciona la galaxia más brillante como candidata a central.
  2. Define un radio de descarte basado en la luminosidad de la candidata.
  3. Elimina las galaxias dentro de ese radio (considerándolas satélites) y repite el proceso con la siguiente galaxia más brillante restante.
  4. Se optimizan los parámetros de pureza y completitud (priorizando la pureza para evitar sesgos en la HOD).
• Estimación de Tamaño de Grupo: En lugar de usar el radio del halo ($r_{200}$) conocido en simulaciones, proponen estimar el radio característico ($r_c$) basándose en la luminosidad de la galaxia central ($r_c^{lum}$), utilizando una relación lineal calibrada.
• Aplicación de BST:
  • Se asume que todas las galaxias dentro de un radio característico están en el mismo redshift que la candidata central.
  • Se cuenta el número de galaxias dentro del radio ($n_i$) y se resta la densidad de fondo estimada en un anillo circundante ($n_0$).
  • Se calcula el número corregido de galaxias por grupo: $N = n_i - n_0 (A_i/A_0)$.

3. Contribuciones Clave

• Adaptación de la BST a datos fotométricos: Se demuestra que la técnica de resta de fondo puede funcionar robustamente sin catálogos de grupos espectroscópicos, utilizando solo posiciones angulares, magnitudes aparentes y redshifts fotométricos.
• Desarrollo del CGF: Presentación de un método simple pero efectivo para identificar centros de grupos en datos fotométricos, logrando una pureza superior al 70% en galaxias centrales.
• Proxy de Tamaño de Halo: Validación de que el radio del halo puede inferirse con suficiente precisión a partir de la luminosidad de la galaxia central, eliminando la necesidad de modelado de masa previo.
• Análisis de Sistemáticas: Evaluación exhaustiva del impacto de:
  • Errores en redshifts fotométricos (FlexZBoost vs. BPZ).
  • Incertidumbres en la estimación de masa del halo (ruido gaussiano de 0.1 y 0.2 dex).
  • Selección de galaxias centrales (pureza vs. completitud).

4. Resultados

• Recuperación de la HOD: El método recupera la HOD verdadera con un alto grado de acuerdo en un rango de masas de halo de $10^{11}$ a $10^{15} M_\odot$ y magnitudes absolutas de $M_r = -17$ a $-20$.
• Rendimiento de Redshifts Fotométricos:
  • FlexZBoost: Muestra un mejor rendimiento que BPZ, con ratios de recuperación de HOD cercanos a 1.0 (ej. $0.98 \pm 0.07$ para $M_r < -17$).
  • BPZ: Presenta una subestimación ligeramente mayor, especialmente en los cortes de magnitud más tenues, debido a una mayor dispersión y sesgo en los redshifts.
• Impacto de la Masa del Halo: La adición de incertidumbre en la masa del halo (hasta 0.2 dex) tiene un impacto mínimo en la recuperación de la HOD, afectando principalmente al extremo de alta masa, pero manteniendo la robustez general del método.
• Efecto del CGF: Al sustituir las galaxias centrales "verdaderas" por las identificadas por el CGF, la recuperación de la HOD se mantiene buena para los cortes de magnitud más brillantes ($M_r < -19, -20$), con ratios de recuperación de ~0.93-0.95. El rendimiento disminuye en los cortes más tenues debido a la menor estadística y completitud, pero sigue siendo aceptable.
• Estabilidad: El método es estable frente a variaciones en los parámetros del CGF, siendo la pureza de la identificación central el factor más crítico para evitar sesgos, especialmente en halos masivos.

5. Significado e Implicaciones

• Preparación para LSST: Este trabajo valida una herramienta crucial para explotar los datos del LSST, que observará miles de millones de galaxias pero carecerá de cobertura espectroscópica completa. Permite realizar análisis de agrupamiento y HOD con una potencia estadística sin precedentes.
• Independencia de Modelos: Al basarse en observables directos (luminosidad, posición) y técnicas de inferencia estadística, el método reduce la dependencia de modelos teóricos complejos para la identificación de grupos.
• Nuevas Aplicaciones Científicas: La capacidad de medir la ocupación de satélites en función de propiedades secundarias (color, densidad local, tasa de formación estelar) abre la puerta a estudiar el sesgo de ensamblaje (assembly bias), la conformidad galáctica y la evolución de galaxias en diferentes entornos.
• Escalabilidad: Aunque el estudio se basa en una simulación de 440 grados cuadrados (DC2), los autores proyectan que la expansión a 18,000 grados cuadrados (LSST real) mejorará la potencia de restricción estadística en un factor de $\sqrt{41} \approx 6.4$, permitiendo mediciones de HOD de alta precisión.

En conclusión, el artículo demuestra que es posible estimar la HOD con alta precisión utilizando únicamente datos fotométricos, superando las limitaciones de los métodos tradicionales y estableciendo un pipeline robusto para la cosmología de precisión con el LSST.