Cosmological gravity on all scales V: MCMC forecasts combining large scale structure and CMB lensing for binned phenomenological modified gravity

Este trabajo presenta un emulador preciso de efectos de gravedad modificada no lineal para realizar análisis bayesianos completos con datos futuros de LSST y Simons Observatory, demostrando que la combinación de estructuras a gran escala y lentes gravitacionales del CMB permite restringir eficazmente parámetros fenomenológicos de gravedad binned en corrimiento al rojo.

Lo esencial

Imagina que el universo es un inmenso océano invisible lleno de "cosas" que no podemos ver directamente: materia oscura, energía oscura y la gravedad misma. Durante años, los científicos han usado una "receta" estándar (llamada Relatividad General de Einstein) para predecir cómo se mueven estas cosas. Pero, ¿y si esa receta tiene un error? ¿Y si la gravedad se comporta de forma un poco diferente cuando miramos el universo a gran escala?

Este artículo es como un manual de instrucciones para un nuevo tipo de "detector de mentiras" cósmico. Los autores quieren saber si la gravedad es realmente la misma en todas partes y en todos los tiempos, o si cambia un poco dependiendo de dónde y cuándo la midamos.

Aquí tienes la explicación, desglosada con analogías sencillas:

1. El Problema: La "Receta" es muy complicada

Los científicos saben que para entender el universo actual, necesitan mirar cómo se agrupan las galaxias (la "materia oscura"). Pero calcular esto es como intentar predecir el clima exacto de una ciudad entera solo mirando una gota de lluvia: es extremadamente difícil y lento.

• La analogía: Imagina que quieres predecir cómo se comportará una multitud en un concierto. Si intentas calcular el movimiento de cada persona individualmente (simulaciones de computadora), tardarías años en obtener una respuesta. Los científicos necesitan una forma más rápida de predecir el comportamiento general de la "multitud" cósmica.

2. La Solución: El "Emulador" (El Chef de Copias)

En lugar de cocinar el plato completo (la simulación completa) cada vez que quieren probar una nueva idea, los autores crearon un "emulador".

• La analogía: Piensa en un chef famoso que ha cocinado 500 veces un plato especial (simulaciones de gravedad modificada). En lugar de cocinarlo de nuevo cada vez que un cliente pide una variación, el chef tiene un "emulador": una máquina que, basándose en sus 500 intentos anteriores, puede predecir exactamente cómo sabrá el plato si cambias un poco la sal o el tiempo de cocción.
• Lo que hicieron: Crearon una máquina (un algoritmo de Inteligencia Artificial) que aprendió de simulaciones reales y ahora puede predecir cómo se comporta la gravedad modificada en fracciones de segundo, con una precisión del 1%.

3. La Estrategia: Dividir para Conquistar (Los "Bines" o Cajas)

El universo es enorme y ha cambiado con el tiempo. No tienen sentido probar si la gravedad es diferente en todo el universo de golpe.

• La analogía: Imagina que tienes una película de 3 horas y quieres saber en qué momento exacto el héroe cambia de personalidad. En lugar de mirar la película entera, la divides en 5 "cajas" de tiempo (bins).
  • Caja 1: El universo joven (cerca de nosotros).
  • Caja 5: El universo muy antiguo (muy lejos).
  • Los autores prueban su "detector de mentiras" en cada caja por separado para ver si la gravedad cambia en algún momento específico.

4. Las Herramientas: Dos tipos de "Lentes"

Para ver si la gravedad cambia, usan dos tipos de telescopios virtuales:

1. Lente de Galaxias (Estructura a Gran Escala): Mira cómo se agrupan las galaxias cerca de nosotros. Es como mirar las huellas de las personas en la arena de la playa.
2. Lente del Fondo Cósmico (CMB): Mira la luz más antigua del universo (el "resplandor" del Big Bang). Es como mirar las huellas en la arena, pero desde un helicóptero que vuela muy alto, viendo todo el paisaje de una vez.

• El hallazgo clave: La lente de galaxias es buena para ver lo que pasa "cerca" (baja edad), pero la lente del fondo cósmico es mágica porque puede ver lo que pasa "lejos" (alta edad). Al combinarlas (6x2 puntos), obtienen una visión mucho más clara.

5. El Resultado: El Secreto de la "Gravedad de Lente"

Descubrieron algo fascinante sobre dos parámetros que miden la gravedad:

• $\mu$ (Mu): Mide qué tan fuerte es la gravedad para atraer materia (como imanes).
• $\eta$ (Eta): Mide cómo la gravedad afecta a la luz (como un espejo deformado).

La analogía final: Imagina que tienes dos perillas en una radio. Una controla el volumen ($\mu$) y la otra el tono ($\eta$).

• Los científicos descubrieron que, por sí solas, las galaxias no pueden decirte cuál perilla está girando; es como si las dos perillas estuvieran atadas con una cuerda (una "degeneración"). Si subes una, puedes bajar la otra y el sonido sigue igual.
• Pero, cuando usan la lente del fondo cósmico (CMB), pueden ver que lo que realmente importa es una combinación específica de ambas perillas (llamada $\Sigma$). Es como si la radio tuviera un botón especial que solo se activa cuando ambas perillas están en una posición específica.
• Conclusión: Al combinar los datos de las galaxias cercanas con los datos antiguos del fondo cósmico, pueden "desatar" la cuerda y ver con mucha más precisión si la gravedad se está comportando de forma extraña, especialmente en las épocas más lejanas del universo.

En resumen

Este paper es un gran paso adelante. Los autores han creado una herramienta rápida y precisa (el emulador) que permite a los científicos probar si la gravedad es diferente a la que predice Einstein, sin tener que esperar años en superordenadores. Han demostrado que, al combinar la visión de "cerca" (galaxias) con la visión de "lejos" (luz antigua), podemos detectar cambios sutiles en las leyes del universo que antes eran invisibles.

Es como pasar de mirar el universo con unos prismáticos viejos a usar unas gafas de realidad aumentada que nos dicen exactamente dónde y cuándo la gravedad podría estar mintiendo.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Cosmological gravity on all scales V: MCMC forecasts combining large scale structure and CMB lensing for binned phenomenological modified gravity", presentado en español.

Resumen Técnico

1. Planteamiento del Problema

La cosmología está entrando en la fase dominada por datos de las encuestas de estructura a gran escala (LSS) de "Etapa IV" (como LSST y Euclid). Un desafío central en esta era es la modelización precisa de observables cosmológicos en escalas no lineales, especialmente al analizar modelos más allá del $\Lambda$CDM (como la gravedad modificada).

• Limitación actual: La mayoría de los modelos de gravedad modificada carecen de herramientas validadas por simulaciones para calcular el espectro de potencia de la materia no lineal de manera rápida y fiable. Esto ha llevado a recortes severos en las escalas analizadas para garantizar la fiabilidad, desperdiciando información.
• Brecha: Existe una falta de herramientas que puedan realizar análisis bayesianos completos (MCMC) con parametrizaciones agnósticas al modelo de gravedad, incorporando efectos no lineales y sistemáticos astrofísicos de manera eficiente.

2. Metodología

Los autores desarrollan un marco de trabajo completo para realizar pronósticos de restricciones (forecasts) utilizando cadenas de Markov Monte Carlo (MCMC).

• Parametrización de la Gravedad Modificada (MG):

  • Utilizan un formalismo "post-Friedmann" para parametrizar desviaciones de la Relatividad General (RG) mediante dos funciones libres:
    • $\mu(z)$: Modifica la fuerza de la gravedad (afecta a la formación de estructuras).
    • $\eta(z)$: Describe el deslizamiento gravitacional (afecta a las geodésicas de los fotones).
  • Binning: Estas funciones se discretizan en 5 intervalos de corrimiento al rojo ($z$) entre $0 \le z \le 3$, donde los parámetros se mantienen constantes dentro de cada bin. Esto permite buscar desviaciones genéricas sin asumir un modelo específico.

• Emulación del Espectro de Potencia No Lineal:

  • Para evitar el costo computacional de ejecutar simulaciones N-body completas en cada paso de MCMC, construyen un emulador basado en Procesos Gaussianos (GP).
  • Entrenamiento: El emulador se entrena sobre una suite de 500 simulaciones COLA (COmoving Lagrangian Acceleration) que comparan escenarios de MG con $\Lambda$CDM bajo las mismas condiciones iniciales.
  • Precisión: El emulador predice el factor de "boost" (la relación entre el espectro de potencia de MG y $\Lambda$CDM) con una precisión $< 1\%$ hasta $k = 1 \, h \text{ Mpc}^{-1}$.
  • Técnica: Se utiliza Análisis de Componentes Principales (PCA) para comprimir los datos de alta dimensión antes de entrenar el GP.

• Pipeline de Inferencia (CosmoSIS):

  • Se implementa dentro de CosmoSIS, un pipeline modular de inferencia cosmológica.
  • Vectores de Datos: Se construyen vectores de datos sintéticos para:
    • 3x2 puntos: Cizallamiento cósmico (cosmic shear), agrupamiento de galaxias y lente galaxia-galaxia.
    • 6x2 puntos: Los anteriores más el lenteado del Fondo Cósmico de Microondas (CMB lensing) y sus correlaciones cruzadas.
  • Sistemáticos: Se modelan y marginalizan sobre efectos sistemáticos clave: retroalimentación bariónica (usando el emulador BCemu y el modelo Baryonification), alineaciones intrínsecas (NLA), sesgo de galaxias e incertidumbres en el corrimiento al rojo fotométrico.
  • Transformación BNT: Se aplica la transformación Bernardeau-Nishimichi-Taruya (BNT) al cizallamiento cósmico para mitigar la sensibilidad a escalas pequeñas mal modeladas, permitiendo un corte de escala conservador ($k_{cut} = 0.5 \, h \text{ Mpc}^{-1}$).
  • Muestreo: Se utiliza el algoritmo de muestreo anidado Nautilus para explorar distribuciones posteriores no gaussianas.

3. Contribuciones Clave

1. Emulador Rápido y Preciso: Desarrollo de un emulador de GP que permite la predicción rápida del espectro de potencia no lineal en gravedad modificada, superando la lentitud de códigos basados en modelos de halo como ReACT para este tipo de parametrizaciones agnósticas.
2. Pipeline Bayesiano Completo: Primera vez que se realiza un pronóstico de gravedad modificada agnóstica utilizando un análisis MCMC completo que integra simultáneamente:
   • Emulación de efectos no lineales.
   • Modelado de retroalimentación bariónica.
   • Aplicación de la transformación BNT para nulling de sistemáticos.
   • Inclusión de datos de LSS y CMB lensing.
3. Validación de ReACT: Se demuestra que el enfoque de "reacción" (ReACT) puede volverse inestable fuera del centro del volumen de parámetros en este contexto fenomenológico, advirtiendo sobre su uso directo sin precauciones en análisis agnósticos.

4. Resultados Principales

• Degeneración $\mu - \eta$: Se recupera la degeneración característica entre $\mu$ y $\eta$. La dirección mejor restringida corresponde a la combinación $\Sigma = \mu(1 + \eta)/2$, que gobierna el potencial de lenteado (potencial de Weyl).
• Sensibilidad por Corrimiento al Rojo:
  • La estructura a gran escala (LSS) es muy sensible a la evolución de las estructuras en bajos corrimientos al rojo ($z < 1$).
  • En altos corrimientos al rojo ($z > 1$), las restricciones de LSS (3x2 puntos) se degradan significativamente debido a la menor sensibilidad no lineal y mayores degeneraciones.
• Impacto del CMB Lensing:
  • La inclusión de datos de lenteado del CMB (Simons Observatory) mejora drásticamente las restricciones en los bins de alto $z$ (especialmente $z > 2$).
  • El kernel de lenteado del CMB tiene su pico de sensibilidad alrededor de $z \sim 2$, lo que permite romper la degeneración y restringir $\Sigma$ incluso en bins donde el LSS es ciego.
• Análisis de Componentes Principales (PCA):
  • El modo de varianza estrecha (bien restringido) en el plano $(\mu, \eta)$ se alinea casi perfectamente con la dirección de $\Sigma$.
  • El modo de varianza amplia (degenerado) corresponde a combinaciones ortogonales a $\Sigma$.
  • La adición de CMB lensing reduce significativamente la incertidumbre en la dirección de $\Sigma$ en los bins de alto $z$, mientras que la dirección degenerada permanece relativamente inalterada.

5. Significado e Implicaciones

Este trabajo demuestra que es posible realizar análisis bayesianos completos y realistas de gravedad modificada agnóstica en la era de las encuestas de precisión.

• Viabilidad: Confirma que la emulación rápida de efectos no lineales permite explorar espacios de parámetros complejos sin sacrificar la precisión física.
• Sinergia de Observables: Resalta la importancia crítica de combinar LSS con CMB lensing para sondear la gravedad en un rango de corrimiento al rojo amplio, especialmente para desviaciones que ocurren en épocas cósmicas tempranas o intermedias.
• Futuro: Establece la infraestructura necesaria para futuros análisis que puedan probar desviaciones de la RG en múltiples bins de redshift simultáneamente, acercándose a una prueba de "null" (nula) robusta de la Relatividad General en todas las escalas.

En resumen, el artículo proporciona una herramienta metodológica robusta para la próxima generación de análisis cosmológicos, superando las limitaciones de escala y velocidad computacional que han restringido anteriormente el estudio de la gravedad modificada en el régimen no lineal.