Probing nonlinear structure formation beyond $\Lambda$CDM with the LSS bootstrap: a joint power spectrum and bispectrum analysis

Resumen Técnico: Sondear la formación de estructuras no lineales más allá de $\Lambda$CDM con el bootstrap de la EEE

Problema y Motivación
Las encuestas de galaxias de la Fase IV actuales y futuras (por ejemplo, Euclid, DESI) están generando datos de alta precisión sobre la agrupación de galaxias, lo que hace necesarios pruebas rigurosas del paradigma estándar $\Lambda$CDM. Aunque existen numerosas extensiones a $\Lambda$CDM (por ejemplo, gravedad modificada, energía oscura evolutiva), analizar cada una individualmente es computacionalmente costoso y carece de una motivación teórica unificadora, especialmente dado el ausencia de un argumento convincente para privilegiar un modelo específico. Las tensiones observacionales recientes, como la indicación de DESI de $w < -1$, sugieren la necesidad de marcos agnósticos al modelo. El bootstrap de la Estructura a Gran Escala (EEE) ofrece dicho marco, utilizando simetrías fundamentales (Principio de Equivalencia, invariancia rotacional) para restringir la estructura analítica de los núcleos de la teoría de perturbaciones sin asumir un Lagrangiano específico. Este trabajo tiene como objetivo determinar qué tan efectivamente las mediciones de la agrupación de galaxias pueden restringir las desviaciones de $\Lambda$CDM utilizando este enfoque basado en simetrías, centrándose específicamente en la tasa de crecimiento lineal y el núcleo de la teoría de perturbaciones cuadrático.

Metodología
Los autores emplean un análisis conjunto del espectro de potencia de galaxias de un bucle y los multipolos del bispectro de nivel árbol dentro de la Teoría de Campo Efectivo de la Estructura a Gran Escala (EFTofLSS). El análisis se realiza utilizando el código PyBird, que ha sido extendido para implementar la parametrización del bootstrap de la EEE.

• Marco Teórico: El enfoque del bootstrap restringe los núcleos de convolución ($F_n, G_n, K_n$) basándose en argumentos de simetría en lugar de resolver ecuaciones de movimiento específicas. Los autores introducen dos parámetros de desviación fraccional para cuantificar las desviaciones de $\Lambda$CDM:
  • $\epsilon_f$: Desviaciones en la tasa de crecimiento lineal $f(a)$.
  • $\epsilon_{d\gamma}$: Desviaciones en el parámetro perturbativo cuadrático $d^{(2)}_\gamma(a)$, que gobierna la formación de estructuras no lineales.
    Los coeficientes del bootstrap de tercer orden se fijan a sus predicciones de $\Lambda$CDM, ya que los observables elegidos (espectro de potencia de un bucle y bispectro de nivel árbol) son principalmente sensibles a términos de segundo orden.
• Conjuntos de Datos:
  1. BOSS DR12: Datos observacionales de la muestra de Galaxias Rojas Luminosas (LRG) en $z=0.32$ (LOWZ) y $z=0.57$ (CMASS). El análisis incluye el monopolo, cuadrupolo y hexadecapolo del espectro de potencia, junto con el monopolo del bispectro. La covarianza se estima utilizando 2048 catálogos simulados Patchy.
  2. Simulaciones PT Challenge: Catálogos de galaxias simulados generados a partir de diez cajas periódicas de gran volumen ($566 \, (h^{-1}\text{Gpc})^3$) con una cosmología $\Lambda$CDM plana. Este conjunto de datos permite pruebas de nulidad de los parámetros del bootstrap y la evaluación de restricciones en un volumen $\sim 100$ veces mayor que el de BOSS.
• Pipeline de Análisis: Se utilizan métodos de Cadena de Markov Monte Carlo (MCMC) (a través de MontePython) para explorar la distribución posterior de los parámetros cosmológicos ($\omega_b, \omega_{cdm}, h, \ln A_s$), los parámetros de sesgo ($b_1, b_2, b_4$) y los parámetros del bootstrap ($\epsilon_f, \epsilon_{d\gamma}$). El análisis tiene en cuenta las distorsiones del espacio de corrimiento al rojo y el efecto Alcock-Paczynski. Los cortes de escala ($k_{max}$) se eligen cuidadosamente para asegurar la validez del modelado del bispectro de nivel árbol mientras se maximiza la extracción de información.

Contribuciones Clave

• Primeras Restricciones MCMC: Este trabajo presenta las primeras restricciones derivadas de Cadena de Markov Monte Carlo sobre los parámetros del bootstrap de la EEE $\epsilon_f$ y $\epsilon_{d\gamma}$.
• Análisis Conjunto de Espectro de Potencia y Bispectro: El estudio demuestra la necesidad de combinar el espectro de potencia con el monopolo del bispectro (y el cuadrupolo para volúmenes grandes) para romper degeneraciones y estrechar las restricciones sobre parámetros independientes del modelo.
• Extensión de PyBird: Los autores adaptaron con éxito el código PyBird para incorporar la parametrización del bootstrap y la dependencia temporal de los núcleos, permitiendo un análisis de vanguardia de datos observacionales y simulados.
• Análisis de Degeneración: El artículo investiga las degeneraciones de parámetros, particularmente entre la amplitud primordial $A_s$, el sesgo lineal $b_1$ y $\epsilon_f$. Muestra que, aunque el bispectro proporciona mejoras marginales en la ruptura de la degeneración $A_s$-$b_1$-$\epsilon_f$, reduce significativamente los efectos de proyección en $\epsilon_{d\gamma}$ al romper su degeneración con los parámetros de sesgo cuadrático ($b_2, b_4$).

Resultados

• Análisis BOSS:
  • Cuando $A_s$ se deja libre, fuertes degeneraciones impiden restricciones precisas.
  • Fijar $A_s$ al valor de mejor ajuste de Planck produce restricciones de $\sim 7\%$ en $\epsilon_f$ y de $\sim 57\%$ en $\epsilon_{d\gamma}$ al combinar el espectro de potencia con el monopolo del bispectro.
  • La inclusión del bispectro reduce la incertidumbre en $\epsilon_f$ en un $\sim 40\%$ y en $\epsilon_{d\gamma}$ en un $\sim 47\%$ en comparación con los análisis solo de espectro de potencia.
• Simulaciones PT Challenge:
  • Aprovechando un volumen $\sim 100\times$ mayor, el análisis logra una precisión de $\sim 1\%$ en $\epsilon_f$ y de $\sim 25\%$ en $\epsilon_{d\gamma}$.
  • La inclusión del cuadrupolo del bispectro es crucial para obtener restricciones imparciales en $\epsilon_{d\gamma}$, reduciendo su incertidumbre al nivel de $\sim 0.25$.
  • Los resultados confirman que los parámetros del bootstrap pueden restringirse estrechamente incluso sin fijar $A_s$ para $\epsilon_{d\gamma}$, aunque fijar $A_s$ es necesario para una inferencia robusta de $\epsilon_f$ y los parámetros de sesgo en ausencia de datos externos del CMB.

Significado y Afirmaciones
Los autores afirman que el bootstrap de la EEE ofrece un método competitivo y agnóstico al modelo para sondear física más allá de $\Lambda$CDM utilizando encuestas de galaxias existentes y futuras. Los resultados subrayan los roles complementarios de $\epsilon_f$ y $\epsilon_{d\gamma}$: $\epsilon_f$ captura principalmente las modificaciones a la expansión de fondo (por ejemplo, energía oscura evolutiva), mientras que $\epsilon_{d\gamma}$ captura las modificaciones a la formación de estructuras no lineales (por ejemplo, gravedad modificada). Al desentrañar estos efectos, el marco aclara los requisitos teóricos para extensiones viables de $\Lambda$CDM. El artículo concluye que, aunque las restricciones actuales son prometedoras, la precisión última está limitada por la fiabilidad del marco teórico (específicamente el modelado de las distorsiones del espacio de corrimiento al rojo a pequeñas escalas). Las mejoras futuras probablemente requerirán incluir el bispectro en el orden de un bucle para extender el análisis a valores de $k_{max}$ más altos.