Cosmological inference from the eBOSS QSO full-shape analysis with optimal redshift weights

Resumen Técnico: Inferencia Cosmológica a partir del Análisis de Forma Completa de QSOs de eBOSS con Pesos de Desplazamiento al Rojo Óptimos

Planteamiento del Problema
La muestra de cuásares (QSO) de eBOSS DR16 abarca un amplio intervalo de desplazamiento al rojo ($0.8 < z < 2.2$), lo que ofrece una oportunidad única para sondear la evolución de la geometría, el crecimiento, el sesgo y la densidad numérica. Sin embargo, este amplio rango presenta un compromiso metodológico: una medición de un único desplazamiento al rojo efectivo es compacta pero promedia sobre la evolución del cono de luz, lo que potencialmente pierde información; por el contrario, un análisis tomográfico de múltiples bins preserva la información del desplazamiento al rojo pero requiere un vector de datos significativamente mayor y una matriz de covarianza compleja y correlacionada. El artículo aborda el desafío de recuperar la información tomográfica de este amplio cono de luz de QSO sin incurrir en los costos computacionales y estadísticos de un análisis de forma completa puramente tomográfico.

Metodología
Los autores emplean un análisis del espectro de potencia de forma completa dentro del marco de la Teoría de Campo Efectivo de la Estructura a Gran Escala (EFTofLSS). La innovación central es la aplicación de pesos de desplazamiento al rojo óptimos basados en la compresión de Karhunen–Loève (KL) (o compresión óptima de Fisher).

• Construcción de los Pesos: Los pesos se construyen para preservar la información de Fisher para parámetros específicos de interés. Para el modelo $\Lambda$CDM, los parámetros objetivo son $\{h, \Omega_m, \ln(10^{10}A_s)\}$. Para el modelo de energía oscura de Chevallier–Polarski–Linder (CPL), los objetivos incluyen los parámetros de la ecuación de estado $\{w_0, w_a\}$. Los pesos se derivan utilizando la relación $W = C^{-1}D$, donde $C$ es la matriz de coviaza y $D$ es la matriz de derivada del espectro de potencia con respecto a los parámetros.
• Medición: El análisis utiliza un estimador de correlación cruzada para medir los espectros de potencia del monopolo y el cuadrupolo. Este enfoque es esencial porque los pesos óptimos para ciertos parámetros (específicamente $w_0$ y $w_a$) cambian de signo, lo que hace que los estimadores de autocorrelación estándar sean mal definidos. El estimador se implementa utilizando el paquete pypower.
• Modelado Teórico: Los espectros teóricos se computan utilizando Eftpipe (una versión modificada de PyBird), incorporando correcciones de un bucle (one-loop), términos de contraparte (counterterms) y resúmen de IR para dar cuenta del amortiguamiento de las BAO.
• Función de Ventana y Covarianza: Para asegurar una comparación rigurosa, los espectros teóricos se conlucionan con núcleos de ventana de encuesta en el espacio de Fourier específicos para cada capa galáctica (NGC/SGC) y esquema de ponderación, utilizando una matriz de covarianza y una validación de extremo a extremo derivadas de 1,000 catálogos simulados de luz de cono de Zel'dovich Extendido (EZ), aplicando una corrección de Hartlap a la inversa de la covarianza.

Contribuciones Clave

1. Extensión del Pesado de Desplazamiento al Rojo: El trabajo extiende el pesado de desplazamiento al rojo óptimo de las mediciones de BAO y RSD al espectro de potencia de forma completa, demostrando su aplicabilidad a las señales de agrupamiento de banda ancha (broadband clustering).
2. Pesos con Cambio de Signo: La implementación de un estimador de correlación cruzada permite el uso de pesos que cambian de signo (por ejemplo, $W_{w_0}$), permitiendo la extracción de información de la evolución del desplazamiento al rojo que de otro modo se promediaría.
3. Tomografía Compacta: El método logra comprimir la evolución del desplazamiento al rojo del cono de luz de $0.8 < z < 2.2$ en un pequeño conjunto de observables pesados, evitando la necesidad de una gran matriz de covarianza tomográfica mientras retiene la sensibilidad a los parámetros de energía oscura en evolución.

Resultados
El análisis se aplicó tanto a 1,000 catálogos simulados EZ como a los datos reales de eBOSS DR16 QSO (343,708 cuásares).

• Modelo $\Lambda$CDM: En el modelo estándar $\Lambda$CDM, los análisis pesado por desplazamiento al rojo y el estándar arrojan restricciones consistentes. Esto es esperado porque los pesos que apuntan a $h$, $\Omega_m$ y $A_s$ tienen desplazamientos al rojo efectivos ($z_{eff} \approx 1.53$) casi idénticos a la medición FKP estándar. Esta consistencia sirve como una prueba nula, validando la ausencia de sesgo en el pipeline.
• Modelo CPL: Las ganancias son significativas en el modelo CPL, donde los parámetros introducen una dependencia explícita del desplazamiento al rojo:
  • Validación de Mocks: El análisis pesado mejoró las restricciones en $H_0$ (46.7%), $w_0$ (33.3%), $\Omega_m$ (22.5%) y $\sigma_8$ (14.7%) en comparación con el análisis estándar. Crucialmente, convirtió el límite superior de un solo lado de la versión estándar para $w_a$ en una posterior acotada.
  • Aplicación a Datos DR16: El análisis pesado redujo las incertidumbres marginalizadas en $H_0$ en un 43.3%, en $\sigma_8$ en un 19.7%, y en $w_0$ en un 20.5%. Notablemente, transformó la restricción de un solo lado de la versión estándar ($w_a < -0.498$) en una posterior acotada de $w_a = -0.98^{+1.0}_{-1.3}$.
  • Estructura de Degeneración: El análisis reveló que la ganancia no es uniforme; el intervalo marginalizado para $\Omega_m$ se amplió en el ajuste CPL pesado, lo que indica que la información añadida de la evolución del desplazamiento al rojo altera las direcciones de degeneración en lugar de simplemente reducir todas las barras de error.

Significancia
El artículo demuestra que el pesado de desplazamiento al rojo óptimo es una alternativa compacta y efectiva para los análisis de forma completa tomográficos totales para muestras de trazadores con un amplio rango de desplazamiento al rojo. Al mantener el catálogo de QSO como una única muestra de cono de luz, el método evita la carga computacional de las grandes matrices de covarianza tomográficas mientras recupera con éxito la información sobre la evolución del desplazamiento al rojo. Los resultados muestran que esta estrategia es particularmente poderosa para restringir los parámetros de la energía oscura dependientes del tiempo ($w_0, w_a$), convirtiendo restricciones no acotadas o de un solo lado en distribuciones posteriores significativas. Los autores sugieren que esta estrategia es aplicable a futuras encuestas espectroscópicas de amplio rango como DESI y Euclid.