CMB lensing imprints of cosmic voids in DESI Legacy Survey DR9 LRGs with photometric redshift calibration

Resumen Técnico: Huellas de Lente del CMB de Vacíos Cósmicos en las LRG del DESI Legacy Survey DR9

Enunciado del Problema
La huella de lente de los vacíos cósmicos en el Fondo Cósmico de Microondas (CMB) sirve como una sonda crítica para poner a prueba el modelo cosmológico $\Lambda$CDM. Los vacíos inducen un efecto de desmagnificación, creando una señal negativa en los mapas de convergencia de lente ($\kappa$). Si bien las técnicas de apilamiento han arrojado históricamente detecciones de alta significancia, la literatura reciente ha reportado una persistente tensión "lensing-is-low", donde las señales apiladas observadas se desvían de las predicciones de simulaciones $\Lambda$CDM hasta en $\sim3\sigma$. Esta discrepancia es altamente sensible a las estrategias de identificación de vacíos y a las propiedades de las muestras de galaxias trazadoras. La hipótesis central abordada en este trabajo es que las desajustes no controlados entre los datos observacionales y las simulaciones (mocks)—específicamente en lo que respecta a la dispersión y las distribuciones de error del corrimiento al rojo fotométrico ($z_{phot}$)—pueden actuar como sistemáticos ocultos que imitan una ruptura del modelo estándar.

Metodología
Para investigar esta tensión, los autores analizaron vacíos cósmicos 3D identificados en la muestra de Galaxias Rojas Luminosas (LRG) del DESI Legacy Survey Data Release 9 (DR9) y los correlacionaron cruzadamente con el mapa de convergencia de lente del CMB de Planck 2018.

• Conjuntos de Datos: El estudio utilizó aproximadamente 10.4 millones de LRG del DESI Legacy Survey que cubren $\sim19,500$ deg$^2$ en el rango de corrimiento al rojo $0.35 < z < 0.95$. Este conjunto de datos se complementó con más de un millón de corrimientos al rojo espectroscópicos de etapas tempranas de la encuesta DESI para fines de calibración. La observable de lente del CMB fue un mapa de $\kappa$ reconstruido de Planck 2018, suavizado con un filtro gaussiano (FWHM = $0.5^\circ$) para suprimir el ruido a pequeña escala.
• Calibración de Simulaciones (Mocks): Un componente crítico de la metodología fue la calibración rigurosa de los catálogos simulados Buzzard. Los autores emplearon un procedimiento de dos pasos para garantizar la consistencia estructural entre las poblaciones de trazadoras observadas y simuladas:
  1. Corrección del Error de Corrimiento al Rojo: Las distribuciones de error del corrimiento al rojo fotométrico de las simulaciones se corrigieron muestreando la distribución $z_{spec} - z_{phot}$ derivada de los un millón de espectros DESI.
  2. Ajuste de Dispersión: Las simulaciones se submuestrearon en bins de corrimiento al rojo ($\Delta z = 0.01$) para alinear su densidad numérica con las LRG observadas.
     Este proceso aseguró que los vacíos simulados estuvieran sujetos a los mismos efectos de selección y perfiles de densidad que los datos observados.
• Identificación y Clasificación de Vacíos: Los vacíos se identificaron utilizando el algoritmo REVOLVER, que emplea teselación de Voronoi para definir cuencas subdensas. La muestra se restringió a $0.35 < z < 0.95$, obteniendo 140,712 vacíos. Para desentrañar señales de diferentes entornos a gran escala, los vacíos se categorizaron mediante el parámetro $\lambda_v$ (un proxy para el potencial gravitacional central):
  • Vacío-en-vacíos: $\lambda_v < -5$ (altamente subdenso)
  • Muestra de transición: $-5 \le \lambda_v < 5$
  • Vacío-en-nubes: $\lambda_v \ge 5$ (ligeramente subdenso)
    Se realizó un análisis tomográfico dividiendo la muestra en cuatro bins de corrimiento al rojo de $\Delta z = 0.15$.
• Análisis: El estudio midió el perfil radial apilado de parches de convergencia del CMB (longitud de lado $5R_v$) para cada vacío. El parámetro de amplitud $A_\kappa$ se ajustó mediante minimización de $\chi^2$ contra las plantillas calibradas, utilizando una matriz de covarianza inversa corregida por el factor Anderson-Hartlap.

Contribuciones y Resultados Clave
La contribución principal de este trabajo es la resolución de la tensión "lensing-is-low" mediante un control sistemático preciso en lugar de nueva física.

• Significancia de Detección: El análisis logró significancias de detección récord para esta clase de estudio. La muestra completa arrojó una relación señal-ruido (S/N) de 14.06. Cuando se categorizó por entorno, la S/N alcanzó $\sim17\sigma$ tanto para vacío-en-vacíos ($16.94$) como para vacío-en-nubes ($17.02$).
• Medición de Amplitud: El estudio midió un parámetro de amplitud de $A_\kappa = 1.016 \pm 0.054$ para la muestra completa. Este valor indica un acuerdo total entre las observaciones y las plantillas simuladas de $\Lambda$CDM.
• Evolución con el Corrimiento al Rojo: El análisis tomográfico confirmó que el parámetro de amplitud permanece estable y cercano a la unidad ($A_\kappa \sim 1$) en todo el rango de corrimiento al rojo ($0.35 < z < 0.95$), consistente con las expectativas teóricas estándar.
• Resolución de Sistemáticos: Al ajustar la dispersión y las distribuciones de error de $z_{phot}$ utilizando más de un millón de espectros DESI, los autores demostraron que las tensiones reportadas previamente eran probablemente artefactos de desajustes entre las simulaciones y las observaciones.

Significancia
El artículo concluye que la tensión "lensing-is-low" no es una indicación de nueva física, sino una consecuencia de sistemáticos no controlados en análisis anteriores. El trabajo destaca la necesidad de un control sistemático preciso, particularmente en la calibración de catálogos simulados para coincidir con la dispersión y los errores de corrimiento al rojo fotométrico de los datos reales. Además, establece que distinguir poblaciones de vacíos basándose en su potencial gravitacional es esencial para aumentar la significancia de la detección y revelar las firmas físicas distintivas de los vacíos en diferentes entornos a gran escala. Los resultados presentados aquí, resumidos en Sartori et al. (2025), proporcionan una validación robusta del modelo $\Lambda$CDM utilizando la lente del CMB de vacíos cósmicos.