Singular Templates of Imaging Cherenkov Shower distribution (STOICS): A background estimation method for Very-High-Energy $\gamma$-ray observations

Resumen Técnico: STOICS

1. El Problema: Estimación de Fondo en Fuentes Extendidas

Las observaciones de fuentes de rayos gamma de muy alta energía (VHE) utilizando Telescopios de Cherenkov Atmosférico de Imagen (IACT) enfrentan un desafío crítico cuando se analizan fuentes extendidas (como remanentes de supernova, nebulosas de viento de púlsar o halos de TeV).

• Limitación del Campo de Visión: El tamaño angular de estas fuentes a menudo excede o ocupa una parte significativa del campo de visión (FoV) de los instrumentos actuales (3.5°–5.0°).
• Fallo de Métodos Convencionales: Los métodos tradicionales de estimación de fondo (como Ring Background, Reflected Region o Template Background) dependen de regiones "OFF" (sin fuente) dentro del mismo campo de visión para normalizar el fondo. Cuando la fuente llena el FoV, no quedan regiones suficientes para obtener estadísticas de fondo fiables, lo que introduce grandes incertidumbres sistemáticas en la normalización.
• Necesidad: Se requiere un método que pueda estimar el fondo de eventos tipo rayo gamma (𝛾-like) utilizando información interna de la misma observación, sin depender de regiones externas vacías.

2. Metodología: STOICS (Singular Templates of Imaging Cherenkov Shower distribution)

El método propuesto, STOICS, utiliza la Descomposición en Valores Singulares (SVD) para modelar la distribución del fondo cósmico. La lógica central es que los eventos de rayos cósmicos (CR) que fallan los cortes de separación hadrón/gamma (región CR-like) contienen información sobre las condiciones de observación que afectan a los eventos que pasan los cortes (región 𝛾-like).

Pasos Clave del Método:

1. Definición de Regiones: El espacio de parámetros (basado en parámetros de Hillas como longitud y ancho reducidos escalados, $M_{SCL}$ y $M_{SCW}$) se divide en una región de señal ($\gamma$-like) y múltiples regiones de control (CR-like).
2. Selección de Datos OFF: Se buscan en bases de datos archivales (ej. VERITAS) observaciones "OFF" (sin fuentes gamma conocidas) que coincidan con las condiciones de observación de la fuente de interés (elevación, acimut, brillo del cielo nocturno, etc.).
3. Construcción de la Matriz de Plantillas:
   • Se crean perfiles espaciales (distribuciones en el plano de la cámara $X, Y$) para los eventos en las regiones CR-like y la región SR (Signal Region) para múltiples corridas OFF.
   • Estos perfiles se organizan en una matriz $M$, donde cada fila es una observación y las columnas representan los píxeles espaciales y energéticos.
4. Descomposición en Valores Singulares (SVD):
   • Se aplica SVD a la matriz $M$ para extraer los vectores singulares ($\vec{v}_k$) y valores singulares ($\sigma_k$).
   • Los vectores singulares capturan las correlaciones y variaciones sistemáticas entre las regiones CR-like y la región SR. Los vectores de orden bajo representan características generales, mientras que los de orden alto capturan variaciones sutiles dependientes de las condiciones.
5. Modelado del Fondo para Datos ON:
   • Para una observación de la fuente (ON), se utiliza la información de los eventos CR-like de esa misma corrida para ajustar una combinación lineal de los vectores singulares derivados de las corridas OFF.
   • Se maximiza una función de verosimilitud de Poisson en las regiones CR-like (manteniendo la región SR "a ciegas" durante el ajuste) para determinar los coeficientes de ponderación.
   • El modelo resultante predice la distribución de fondo en la región SR.
6. Estimación de Incertidumbre Sistemática: La precisión del modelo se evalúa mediante los residuos en las regiones CR-like. Si el modelo encaja bien en CR, se asume que es fiable en SR. Esta incertidumbre se incorpora en la significancia estadística final para evitar falsos positivos.

3. Contribuciones Clave

• Independencia de Regiones Externas: STOICS elimina la necesidad de tener regiones "OFF" libres de fuentes dentro del campo de visión, permitiendo el análisis de fuentes que llenan todo el detector.
• Modelado de Variaciones Sistemáticas: Al utilizar SVD, el método captura automáticamente las variaciones espaciales y energéticas del fondo causadas por cambios en las condiciones atmosféricas, la geometría del detector y la eficiencia de recolección, sin necesidad de simulaciones Monte Carlo complejas para cada observación.
• Validación con Datos Reales: El método se ha probado exhaustivamente utilizando datos archivales de VERITAS, demostrando robustez en una amplia gama de condiciones de observación.
• Preparación para CTAO: El método es particularmente relevante para el futuro Observatorio de la Array de Telescopios Cherenkov (CTAO), que tendrá campos de visión más grandes y complejos, donde los métodos tradicionales fallarán.

4. Resultados Principales

• Precisión del Modelo: Se demostró que incluir un número suficiente de vectores singulares (típicamente $k_c \ge 32$ para exposiciones > 100 horas) reduce significativamente los errores de modelado.
• Correlación CR-SR: Existe una fuerte correlación entre la precisión del ajuste en las regiones de control (CR) y la región de señal (SR). Los residuos en CR predicen eficazmente la incertidumbre sistemática en SR.
• Análisis de Fuentes Extendidas: El método se aplicó exitosamente a fuentes galácticas extendidas como MGRO J1908+06 y MGRO J2019+37, así como a fuentes puntuales extragalácticas y galácticas.
  • En exposiciones profundas (ej. 220 horas), el método mantuvo una distribución de significancia uniforme fuera de la fuente, indicando que no hay sesgos sistemáticos residuales.
  • Se logró un modelado dependiente de la energía, mostrando cómo la forma del fondo cambia entre rangos de baja y alta energía.
• Incertidumbre Sistemática: La inclusión de la incertidumbre sistemática en el cálculo de la significancia (Ecuación 15) asegura que las detecciones no se inflen artificialmente debido a errores de modelado.

5. Significado e Impacto

El método STOICS representa un avance crucial en la astrofísica de rayos gamma de muy alta energía:

• Habilita Nuevos Estudios: Permite el análisis morfológico detallado de objetos extensos (como halos de TeV y remanentes de supernova evolucionados) que antes eran difíciles de estudiar debido a la falta de fondos de control adecuados.
• Reducción de Sesgos: Proporciona una estimación de fondo más robusta y menos dependiente de suposiciones simplificadas (como la simetría radial), lo cual es vital para observaciones a grandes ángulos cenitales o con sub-arrays asimétricos.
• Futuro (CTAO): Es una herramienta esencial para la próxima generación de observatorios como CTAO, donde la capacidad de observar fuentes que superan el campo de visión será común, y donde la normalización de fondo sin conocimiento previo de todas las fuentes en el campo es crítica para la detección de materia oscura y emisión difusa galáctica.

En conclusión, STOICS transforma el problema de la falta de regiones de fondo en una oportunidad de aprendizaje, utilizando la correlación intrínseca entre los eventos de rayos cósmicos y el fondo residual para reconstruir el fondo con alta fidelidad.