Beyond power spectrum to unveil systematics on HI intensity maps

Resumen Técnico: Más allá del Espectro de Potencia para Revelar Sistemáticos en Mapas de Intensidad de Hi

Enunciado del Problema
El mapeo de intensidad de hidrógeno neutro (Hi) es una técnica principal para sondear la estructura a gran escala, particularmente a corrimientos al rojo intermedios ($z < 1$), donde la evolución gravitacional no lineal hace que la distribución de materia sea fuertemente no gaussiana. Tradicionalmente, la información cosmológica de estas encuestas se extrae utilizando el espectro de potencia angular ($C_\ell$), una estadística de dos puntos que captura eficazmente características gaussianas pero descarta correlaciones de orden superior. En corrimientos al rojo como $z \approx 0.425$ (el objetivo de las observaciones de banda L de MeerKLASS), la señal de Hi está dominada por estructuras no lineales (filamentos, cúmulos, vacíos) que $C_\ell$ no puede caracterizar completamente. Además, los sistemáticos observacionales —incluyendo el suavizado del haz del telescopio, la cobertura parcial del cielo (enmascaramiento), el ruido instrumental y los residuos de primeros planos (sincrotrón galáctico, fuentes puntuales extragalácticas)— pueden sesgar los análisis estándar. El artículo aborda la necesidad de estadísticas de resumen que puedan capturar información no gaussiana y permanecer robustas frente a estos sistemáticos para mejorar la inferencia de parámetros cosmológicos.

Metodología
Los autores emplean un marco de inferencia basada en simulaciones (SBI) utilizando la biblioteca JaxILI para realizar inferencia bayesiana libre de verosimilitud.

• Simulaciones: Generaron 10,000 mapas de temperatura de brillo de Hi de todo el cielo a $z = 0.425$ utilizando los marcos GLASS y CAMB. Estos mapas modelan campos de materia lognormales ponderados por el sesgo de Hi dependiente del corrimiento al rojo y la temperatura media de brillo.
• Efectos Observacionales: Las simulaciones incorporan condiciones observacionales realistas:
  • Haz: Convolución con haces gaussianos (1.34° para configuraciones tipo MeerKLASS de plato único y 0.5° para futuras configuraciones interferométricas).
  • Enmascaramiento: Aplicación de máscaras binarias que representan fracciones de cielo ($f_{sky}$) de 0.60, 0.19 y 0.014.
  • Ruido: Adición de ruido térmico gaussiano no correlacionado basado en la temperatura del sistema y el tiempo de integración.
  • Sistemáticos: Modelos de juguete controlados para patrones de rayas multiplicativos y aditivos (artefactos de escaneo), residuos de sincrotrón galáctico, residuos de fuentes puntuales extragalácticas y patrones de escaneo en forma de X.
• Estadísticas de Resumen: Se extrajeron y compararon dos estadísticas:
  1. Espectro de Potencia Angular ($C_\ell$): Calculado a partir de coeficientes armónicos esféricos, excluyendo multipolos bajos ($\ell < 10$) para mitigar sistemáticos.
  2. Norma $\ell_1$ de Starlet: Una estadística de orden superior y multi-escala basada en la transformada de wavelet no decimada isotrópica (starlet). El mapa se descompone en coeficientes wavelet a través de múltiples escalas ($J=5$ y $J=8$), se normalizan y se agrupan en el espacio de relación señal-ruido. La norma $\ell_1$ de estos coeficientes cuantifica la dispersión y la fuerza de las características no gaussianas.
• Inferencia: Se entrenó un estimador de densidad neuronal condicional (flujo autoregresivo enmascarado) en los pares de simulación (parámetros $\theta = \{\Omega_c, h, A_s\}$, estadísticas de resumen $x$) para aproximar la posterior $p(\theta|x)$.

Contribuciones Clave

1. Extensión de la Norma $\ell_1$ de Starlet: El artículo adapta la norma $\ell_1$ de starlet, previamente exitosa en lentes gravitacionales débiles, al mapeo de intensidad de Hi, demostrando su eficacia para capturar información no gaussiana en el campo de temperatura de brillo de 21 cm.
2. Análisis de Robustez ante Sistemáticos: El estudio proporciona una evaluación exhaustiva de cómo tanto $C_\ell$ como la norma $\ell_1$ de starlet se desempeñan bajo diversos efectos sistemáticos (haz, enmascaramiento, ruido, rayas y residuos de primeros planos).
3. Capacidad Diagnóstica: Los autores demuestran que la norma $\ell_1$ de starlet puede distinguir entre diferentes tipos de residuos de primeros planos (sincrotrón galáctico vs. fuentes puntuales extragalácticas) y detectar la presencia de contaminación residual, actuando como una herramienta de diagnóstico.
4. Eficiencia: El trabajo destaca las ventajas computacionales y ambientales de la SBI con estadísticas de resumen compactas (la norma $\ell_1$ de starlet utiliza significativamente menos puntos de datos que el vector completo de $C_\ell$) sobre los métodos MCMC tradicionales.

Resultados

• Restricciones Cosmológicas: La norma $\ell_1$ de starlet supera consistentemente al espectro de potencia angular en la restricción de parámetros cosmológicos ($\Omega_c$, $h$, $A_s$).
  • En un escenario sin ruido y de todo el cielo, la norma $\ell_1$ de starlet mejora la Figura de Mérito (FoM) en un factor de 1.59 sobre $C_\ell$.
  • En escenarios realistas con un haz de 0.5° y ruido instrumental, aumentar el número de escalas de starlet de 5 a 8 produce una mejora de 2.81× en la FoM relativa a $C_\ell$.
• Robustez ante Sistemáticos:
  • Haz y Enmascaramiento: Mientras que el suavizado del haz degrada significativamente a $C_\ell$ al suprimir la potencia a pequeña escala, la norma $\ell_1$ de starlet permanece robusta, manteniendo la sensibilidad al contraste estructural a través de las escalas. También mantiene su rendimiento bajo un enmascaramiento fuerte ($f_{sky}=0.014$), donde $C_\ell$ sufre de acoplamiento de modos.
  • Rayas y Escaneo: La norma $\ell_1$ de starlet es en gran medida insensible a patrones de rayas multiplicativos y aditivos y a artefactos de escaneo en forma de X, mientras que $C_\ell$ exhibe sesgos fuertes y un estrechamiento artificial de las posteriors.
  • Residuos de Primeros Planos: La norma $\ell_1$ de starlet muestra una mayor sensibilidad a la contaminación residual que $C_\ell$. Si bien esto introduce un sesgo leve a niveles altos de contaminación, permite que la estadística diferencie entre residuos de sincrotrón y de fuentes puntuales, una tarea que $C_\ell$ no logra realizar.
• Degeneraciones de Parámetros: El enfoque de starlet levanta las degeneraciones entre parámetros (particularmente $h$, que está débilmente restringido por $C_\ell$) al utilizar información no gaussiana.

Significado
El artículo concluye que las estadísticas de orden superior y multi-escala, como la norma $\ell_1$ de starlet, son complementos esenciales a los análisis tradicionales de dos puntos para el mapeo de intensidad de Hi. Al capturar características no gaussianas pasadas por alto por el espectro de potencia, la norma $\ell_1$ de starlet mejora significativamente la inferencia cosmológica, particularmente en el régimen no lineal ($z < 1$). Su demostrada robustez frente a sistemáticos observacionales complejos y su capacidad para servir como diagnóstico de residuos de primeros planos la convierten en una herramienta prometedora para encuestas actuales como MeerKLASS y futuras encuestas de gran volumen como el Observatorio SKA (SKAO). El trabajo aboga por la adopción de inferencia basada en simulaciones con tales estadísticas para maximizar el retorno científico de los próximos datos de mapeo de intensidad de Hi.