Constructing a Mock Galaxy Catalog for the All-sky SPECtroscopic Survey of Nearby Galaxies (A-SPEC) Using the Machine-assisted Semi-Simulation Model

Resumen Técnico: Construcción de un Catálogo de Galaxias Simuladas para A-SPEC mediante el Modelo de Semi-Simulación Asistida por Máquina

Planteamiento del Problema
El sondeo espectroscópico de todo el cielo de galaxias cercanas (A-SPEC) tiene como objetivo compilar propiedades físicas y desplazamientos al rojo (redshifts) para galaxias más brillantes que $K_S = 13.75$ en todo el cielo. Mientras que los sondeos actuales se centran cada vez más en universos de alto desplazamiento al rojo, el Universo local (dentro de cientos de megaparsecs) permanece mapeado de forma incompleta. Los catálogos de galaxias simuladas (mocks) realistas son esenciales para validar los diseños de los sondeos, interpretar datos observacionales y estimar las covarianzas entre parámetros cosmológicos. Generar mocks que reproduzcan tanto el agrupamiento estadístico como las diversas propiedades bariónicas (por ejemplo, masa estelar, masa de gas, tasa de formación estelar) de las galaxias objetivo es un desafío, ya que los métodos puramente basados en datos carecen de las propiedades individuales de las galaxias, mientras que las simulaciones hidrodinámicas completas que cubren el volumen de sondeo necesario ($\sim 2 \text{ Gpc}^3$) son computacionalmente prohibitivas. Además, los enfoques actuales de aprendizaje automático (ML) suelen tener dificultades para predecir con precisión las propiedades relacionadas con el gas y las tasas de formación estelar debido a la naturaleza compleja y degenerada de los procesos astrofísicos.

Metodología
Los autores emplean un Modelo de Semi-Simulación Asistida por Máquina (MSSM) para cerrar la brecha entre las simulaciones de materia oscura únicamente (N-body) y la física bariónica. La metodología consta de tres etapas principales:

1. Generación de Datos de Entrenamiento: El modelo se entrena con la suite de simulaciones magnetohidrodinámicas cosmológicas IllustrisTNG, utilizando específicamente la ejecución de alta resolución TNG100-1. Para abordar la escasez de halos masivos en TNG100-1, se incluyen subhalos de la ejecución de menor resolución TNG300-1, escalados mediante factores constantes derivados de la ejecución de alta resolución. La muestra de entrenamiento se restringe a subhalos con recuentos de partículas suficientes ($N_{DM} \ge 40, N_{star} \ge 40$) y propiedades de gas no nulas.
2. Arquitectura de Aprendizaje Automático: El MSSM utiliza un regresor de Árboles Extremadamente Aleatorizados (ERT). El modelo opera en un proceso de aprendizaje de dos etapas:
   • Primero, predice las magnitudes estelares en ocho bandas fotométricas ($U, B, V, K, u, g, r, z$).
   • Segundo, estas magnitudes predichas se añaden a las características de entrada para predecir las propiedades bariónicas restantes: masa estelar ($M_{star}$), masa de gas ($M_{gas}$), tasa de formación estelar (SFR) y metalicidad del gas ($Z_{gas}$).
   • Características de Entrada: El modelo ingiere propiedades de subhalos de materia oscura (DM) (masa, velocidad circular, dispersión de velocidad, espín), parámetros ambientales (densidad local, conteo de vecinos, anisotropía de marea) y parámetros de anisotropía de subhalos (espín de Bullock, desfases de posición/velocidad, razones de aspecto). Crucialmente, los autores introducen medidas de entorno basadas en partículas (contraste de densidad $\delta_R$ y anisotropía de marea $\alpha_R$) y una tasa de acreción de pseudomasa (pMAR) derivada del rastreo de la partícula más ligada, compensando la falta de información completa de árboles de fusión en la simulación N-body de destino.
3. Aplicación a la Simulación N-body: Se construye una simulación N-body personalizada (NASIM) utilizando un enfoque de zoom-in con cuatro niveles de resolución anidados. Este diseño asegura la resolución suficiente para resolver subhalos hasta el límite de masa requerido por el límite de flujo de A-SPEC ($K_S \le 13.75$) en el rango de desplazamiento al rojo $z \approx 0$ a $0.2$, manteniendo al mismo tiempo un gran volumen de sondeo. El MSSM se aplica al catálogo de subhalos de NASIM para "pintar" las propiedades bariónicas sobre los subhalos de DM. Para mitigar los desajustes de resolución entre los datos de entrenamiento hidrodinámicos y la aplicación N-body, los autores aplican un escalado dependiente de la masa a entradas estructurales específicas ($v_{circ}$ y $\sigma_v$).

Contribuciones Clave y Resultados

• Mejora de la Precisión Predictiva: Mediendo la introducción de parámetros de anisotropía de subhalos y características ambientales basadas en partículas, los autores mejoraron el rendimiento del modelo. El modelo final logra coeficientes de determinación ($R^2$) de:
  • $0.96$ para Masa Estelar ($M_{star}$)
  • $0.90$ para Masa de Gas ($M_{gas}$)
  • $0.70$ para Tasa de Formación Estelar (SFR)
  • $0.79$ para Metalicidad del Gas ($Z_{gas}$)
    El modelo reproduce con éxito el agrupamiento dependiente de la luminosidad de las galaxias objetivo cuando se ajusta para coincidir con la densidad numérica.
• Análisis de Importancia de Características: Utilizando explicaciones de SHapley Aditivas (SHAP), el estudio cuantifica las contribuciones de las características. Mientras que $M_{subhalo}$, $v_{circ}$ y $\sigma_v$ dominan las predicciones de las propiedades estelares, las características ambientales contribuyen significativamente (20–40%) a las propiedades relacionadas con el gas. Específicamente, el contraste de densidad ($\delta$) medido en $z=0.2$ dentro de una ventana proporcional al tamaño del subhalo resultó ser la métrica ambiental más influyente para predecir la masa de gas.
• Gestión de Poblaciones No Resueltas: Para abordar el sesgo introducido al excluir subhalos con bajo gas/SFR (debido a los límites de resolución), los autores implementaron una estrategia de asignación pseudo-aleatoria para las propiedades bariónicas no resueltas basada en relaciones de escala con componentes estelares. Este enfoque mejoró cualitativamente la recuperación de las funciones de distribución para la SFR y la masa de gas, particularmente en las colas bajas.
• Construcción del Catálogo de Mocks: El catálogo de mocks resultante reproduce la función de luminosidad en la banda $K_S$ y las funciones de correlación de dos puntos de las galaxias objetivo. Los autores señalan que, si bien las propiedades estelares se recuperan bien, las propiedades relacionadas con el gas (SFR y metalicidad) aún exhiben desviaciones sistemáticas en las colas de las distribuciones, lo que indica que las características actuales de DM no codifican completamente la física de la formación estelar y el enriquecimiento de metales.

Significancia y Reivindicaciones

El artículo afirma proporcionar un catálogo de galaxias simuladas de referencia para el sondeo A-SPEC que incluye un conjunto exhaustivo de propiedades bariónicas predichas. La significancia de este trabajo radica en:

1. Herramienta de Validación: El catálogo sirve como un banco de pruebas crítico para el diseño del sondeo A-SPEC, permitiendo la estimación de covarianzas de parámetros y la validación de funciones de selección sin el costo prohibitivo de las simulaciones hidrodinámicas completas sobre el volumen del sondeo.
2. Avance Metodológico: El estudio demuestra que los modelos de aprendizaje automático entrenados en simulaciones hidrodinámicas de alta resolución pueden transferirse con éxito a simulaciones N-body de menor resolución con la ingeniería de características adecuada (por ejemplo, parámetros de anisotropía, entornos basados en partículas) y escalado de entrada.
3. Liberación de Recursos: Los autores liberan el catálogo de mocks, que servirá como un recurso fundamental para los programas científicos futuros de A-SPEC, incluyendo la construcción de catálogos completos de grupos y cúmulos de galaxias cercanas.

Los autores mantienen la modestia respecto a las limitaciones de su modelo, reconociendo que el rendimiento predictivo para la SFR y la metalicidad aún no es suficiente para capturar plenamente la diversidad de las poblaciones de brote estelar (starburst) y de galaxias quiescentes, y que las mejoras futuras requerirán un mejor manejo de las historias de fusión y un escalado más preciso de las propiedades de los subhalos a través de diferentes resoluciones de simulación.