Forward analytical model for the optical selection bias on galaxy cluster lensing profiles

Título: Un modelo analítico hacia adelante para el sesgo de selección óptica en los perfiles de lentes de cúmulos de galaxias

1. El Problema

Los catálogos de cúmulos de galaxias seleccionados por sus propiedades ópticas (basados en la riqueza de galaxias miembros) están sujetos a sesgos de selección significativos. Estos sesgos surgen principalmente de la proyección de estructuras no resueltas a lo largo de la línea de visión.

• Mecanismo: Los sistemas que están alineados con la línea de visión, más concentrados o con estructuras ricas en proyección, tienen una mayor probabilidad de ser detectados y clasificados como cúmulos ricos.
• Consecuencia: Este efecto infla artificialmente la riqueza observada ($\lambda_{ob}$) y, crucialmente, sesga hacia arriba el perfil de densidad proyectado del cúmulo en un 10-20% en escalas relevantes para la calibración de masa mediante lentes gravitacionales débiles.
• Impacto Cosmológico: Si no se modelan correctamente, estos efectos introducen sesgos sistemáticos en las estimaciones de masa de los cúmulos, lo que a su vez distorsiona los parámetros cosmológicos inferidos de los catálogos ópticos.

2. Metodología

Los autores proponen un modelo analítico predictivo "hacia adelante" (forward model) que cuantifica el impacto de los efectos de proyección en los perfiles de densidad de los cúmulos, sin depender de parámetros libres ajustables, sino derivándolos de la física subyacente.

• Marco Teórico:

  • Se define la riqueza observada como $\lambda_{ob} = \lambda_{tr} + \Delta_{prj}$, donde $\lambda_{tr}$ es la riqueza intrínseca y $\Delta_{prj}$ es la contaminación por estructuras proyectadas.
  • Se modela el sesgo de agrupamiento de cúmulos ópticos ($b_{\lambda_{ob}}$) como una función dependiente de la escala, la riqueza y el desplazamiento angular.
  • Se introduce una parametrización sigmoidal para describir cómo el sesgo varía con la distancia proyectada desde el centro del cúmulo, capturando la transición entre escalas pequeñas (donde la proyección es fuerte) y grandes escalas.
  • El perfil de densidad proyectado ($\Sigma$) se descompone en dos términos:
    1. Término de un halo ($\Sigma_{1h}$): Contribución del halo central.
    2. Término de dos halos ($\Sigma_{prj}$): Contribución de estructuras correlacionadas a lo largo de la línea de visión, calculada integrando los perfiles de halos proyectados fuera del eje, ponderados por el sesgo $b_{\lambda_{ob}}$.

• Validación (Caso de Estudio):

  • Se utiliza un catálogo sintético similar al DES Year 3 (Y3), generado a partir de una simulación N-body (DeRose et al.) con el cosmología $\Lambda$CDM plana.
  • Se aplica el algoritmo de búsqueda de cúmulos redMaPPer para simular la selección óptica y los efectos de proyección.
  • Se compara la predicción analítica del modelo contra los datos simulados (mock data) para validar la precisión en la recuperación de los perfiles de densidad y su evolución con la riqueza y el corrimiento al rojo.

3. Contribuciones Clave

• Modelo Analítico Cerrado: Presentan una derivación analítica completa que vincula directamente el sesgo de selección óptica con la distribución de ocupación de halos (HOD), el modelo cosmológico y las especificaciones del sondeo, eliminando la necesidad de calibraciones empíricas ad-hoc para cada estudio.
• Parametrización del Sesgo Dependiente de la Escala: Introducen una función sigmoidal para $b_{\lambda_{ob}}$ que depende de la magnitud del efecto de proyección ($\Delta_{prj}$). Esto permite predecir cómo los cúmulos con mayor contaminación proyectada residen en entornos más densos.
• Descomposición del Perfil de Densidad: Demuestran cómo calcular explícitamente la contribución de las estructuras proyectadas (término de dos halos) al perfil de densidad total, mostrando que esta componente domina a escalas mayores de $\sim 1 h^{-1}$ Mpc.
• Función de Ajuste Práctica: Proporcionan una función de ajuste analítica (doble ley de potencia con transición suave) para aproximar el sesgo en el perfil de densidad proyectada, facilitando su implementación en pipelines de inferencia cosmológica que requieren velocidad computacional.

4. Resultados

• Validación del Modelo: El modelo reproduce con éxito la dependencia del componente de dos halos con los aumentos de riqueza inducidos por la proyección ($\Delta_{prj}$).
• Recuperación del Sesgo: El modelo recupera con precisión el sesgo general en el perfil de densidad proyectado de una muestra seleccionada por riqueza en comparación con una muestra seleccionada aleatoriamente (con la misma distribución de masa).
• Evolución: El modelo captura correctamente la evolución del sesgo con la riqueza y el corrimiento al rojo. Se observa que el sesgo es más fuerte en sistemas más ricos (más masivos) y muestra una tendencia suave con el redshift, relacionada con la incertidumbre en el redshift fotométrico.
• Forma del Sesgo: Se confirma que el sesgo en el perfil de densidad total tiene una forma "campana" (bell-shaped), alcanzando un pico alrededor de $1 h^{-1}$ Mpc (la escala de transición entre los términos de uno y dos halos) y decayendo a grandes escalas.
• Precisión: Las predicciones del modelo coinciden con los datos sintéticos dentro de la incertidumbre estadística ($1\sigma$) en todo el rango de escalas estudiado (hasta $\sim 10 h^{-1}$ Mpc).

5. Significado e Implicaciones

• Corrección Sistemática: Este trabajo proporciona una metodología consistente para corregir los sesgos sistemáticos en los estudios de cosmología con cúmulos de galaxias seleccionados ópticamente (como DES, Euclid o LSST/Rubin).
• Vinculación Física: Establece un vínculo directo entre los sesgos de selección observacionales y la cosmología subyacente, permitiendo que los efectos de proyección se marginalicen o se incluyan como parámetros en las inferencias cosmológicas.
• Eficiencia Computacional: Al ofrecer una solución analítica y una función de ajuste aproximada, el modelo hace viable la inclusión de correcciones por proyección en cadenas de inferencia cosmológica complejas, que de otro modo serían computacionalmente prohibitivas si se basaran en simulaciones completas para cada paso.
• Generalización: Aunque desarrollado para redMaPPer, el marco es generalizable a otros proxies de masa óptica (como la masa estelar ponderada o el número de galaxias de otros algoritmos), siempre que se adapte el kernel de proyección.

En resumen, el artículo ofrece una herramienta teórica robusta y validada para entender y corregir cómo la proyección de estructuras distorsiona nuestra visión de la densidad y masa de los cúmulos de galaxias, mejorando la precisión de la cosmología de cúmulos.