Sample Variance Cancellation for Future Spectroscopic Surveys

Resumen Técnico: Cancelación de la Varianza de la Muestra para Futuras Encuestas Espectroscópicas

Planteamiento del Problema
Las encuestas espectroscópicas de alto desplazamiento al rojo que tienen como objetivo emisores de Lyman-$\alpha$ (LAEs) son fundamentales para restringir el crecimiento de la estructura y las distorsiones en el espacio de velocidades (redshift-space distortions). Sin embargo, la compleja transferencia radiativa (RT) de los fotones de Lyman-$\alpha$ altera la simetría del campo de sobredensidad construido a partir de estas galaxias. Esto introduce una dependencia angular en el agrupamiento (clustering) a gran escala que difiere de la teoría lineal estándar (el efecto Kaiser), lo que podría sesgar la inferencia de parámetros cosmológicos. Si bien las simulaciones hidrodinámicas sugieren que este efecto existe, no hay consenso sobre su amplitud o su forma funcional detallada debido a los límites de resolución y la dependencia de los modelos astrofísicos. Los análisis actuales de un solo trazador tienen dificultades para distinguir entre efectos de RT desconocidos y parámetros cosmológicos porque la varianza de la muestra de volúmenes de encuesta finitos oscurece las desviaciones sutiles.

Metodología
Los autores proponen un marco de múltiples trazadores para mitigar estos efectos sistemáticos desconocidos utilizando una estrategia de "cancelación de la varianza de la muestra". El supuesto central es la disponibilidad de un segundo trazador (por ejemplo, galaxias de ruptura de Lyman, LBGs) en los mismos desplazamientos al rojo que sea inmune a los efectos específicos de RT que afectan a los LAEs. El artículo describe un procedimiento de diagnóstico y estimación de tres pasos:

1. Realización de Campo de Nivel Condicional (Prueba de Errores de Especificación del Modelo):
   Asumiendo que el segundo trazador ($\delta^{(1)}_g$) está libre del efecto de RT, los autores derivan la distribución de probabilidad condicional del campo de los LAEs ($\delta^{(2)}_g$) dado el segundo trazador observado. Al reconstruir el campo esperado de los LAEs basándose en el campo de las LBGs y compararlo con la observación real, es posible cuantificar el residuo. Un residuo significativo indica una errónea especificación del modelo (es decir, la presencia de efectos de RT no modelados). Este método aprovecha la alta correlación entre trazadores para cancelar la varianza de la muestra, permitiendo la detección de pequeñas desviaciones que de otro modo quedarían ocultas.

2. Filtrado Óptimo (Determinación de la Forma Funcional):
   Una vez establecida la presencia de una dependencia angular desconocida, los autores derivan un filtro óptimo para determinar su forma funcional. Al descomponer el sesgo relativo entre los dos trazadores en una base de polinomios de Legendre, construyen una función de ponderación que minimiza el error cuadrático medio del campo residual. Este filtro recupera de manera óptima la dependencia de $\mu$ (donde $\mu$ es el coseno del ángulo respecto a la línea de visión) del efecto de RT, incluso si el modelo específico es inicialmente desconocido.

3. Estimador Cuadrático (Restricción de la Amplitud):
   Con la forma funcional aproximada, los autores emplean un estimador cuadrático (QE) para restringir la amplitud del efecto de RT. Generalizan el QE estándar al caso de múltiples trazadores, contabilizando explícitamente la dependencia no lineal de la matriz de covarianza con respecto al parámetro de amplitud de la RT. Derivan las correcciones de sesgo y los ajustes de varianza necesarios para asegurar que el estimador sea insesgado y cercano al óptimo (aproximándose al límite de Cramér-Rao) incluso cuando el modelo fiduciario difiere del modelo real.

Resultados Clave

• Pronósticos de Fisher: Los autores realizan pronósticos de la matriz de Fisher para una encuesta piloto y una futura encuesta de Etapa-V (Spec-S5). Demuestran que, sin la cancelación de múltiples trazadores, la incertidumbre sobre la amplitud de la RT ($g$) se degrada significativamente a medida que aumenta la complejidad del modelo de RT (por ejemplo, añadiendo términos de $\mu^4$ y $\mu^6$).
• Cancelación de la Varianza de la Muestra: La inclusión de un segundo trazador (LBGs) permite que las restricciones sobre la amplitud de la RT se mantengan estrictas incluso con modelos complejos. Por ejemplo, la precisión sobre $g$ en un análisis de múltiples trazadores con un modelo complejo ($g_2, g_4$) es comparable a un análisis de un solo trazador con un modelo simple ($g_2$).
• Volumen Efectivo: El enfoque de múltiples trazadores aumenta efectivamente el volumen de la encuesta por un factor dependiente del coeficiente de correlación cruzada ($r_{12}$). A medida que $r_{12} \to \text{1}$, la ganancia de sensibilidad se vuelve sustancial, permitiendo la identificación rápida de los efectos de RT con tamaños de encuesta modestos.
• Rendimiento del Estimador: En simulaciones numéricas de tipo mock, el estimador cuadrático de múltiples trazadores corregido reduce significativamente el sesgo y la varianza en comparación con los estimadores de un solo trazador. El caso de múltiples trazadores reduce la incertidumbre sobre la amplitud de la RT en aproximadamente un 20% en comparación con los métodos de un solo trazador cuando se restringe únicamente el parámetro de amplitud de la RT ($g$); sin embargo, los autores señalan que la ganancia es mucho mayor al marginalizar sobre múltiples amplitudes a gran escala, como ocurriría en un análisis de datos cosmológicos completo.

Significancia y Reivindicaciones
El artículo afirma proporcionar una solución estadística a las dependencias de agrupamiento angular de origen astrofísico o sistemático desconocidas, dirigiéndose específicamente a los efectos de transferencia radiativa en los LAEs. Los autores argumentan que este "formalismo de múltiples trazadores" permite la determinación de los componentes de agrupamiento debidos a la RT sin verse limitado por la varianza de la muestra, de manera similar a cómo se pueden medir la tasa de crecimiento o la amplitud de la no-gaussianidad primordial.

La significancia radica en ofrecer un "enchiridion" (manual) práctico para los observadores:

1. Detección: Una prueba a nivel de campo para confirmar si existen sistemáticas angulares no modeladas.
2. Caracterización: Un método para recuperar la forma funcional de la dependencia.
3. Cuantificación: Un estimador óptimo para restringir la amplitud del efecto.

Los autores enfatizan que, aunque se centran en la RT como ejemplo motivador, las técnicas son aplicables a cualquier dependencia angular no modelada en los datos de estructura a gran escala en 3D. Concluyen que este enfoque es particularmente oportuno para las próximas encuestas (como DESI y Spec-S5) donde el agrupamiento de los LAEs a alto desplazamiento al rojo será una sonda primaria, asegurando que los errores sistemáticos no comprometan la precisión de la inferencia cosmológica. El documento mantiene la modestia, señalando que, aunque el marco actual asume la gaussianidad y la teoría lineal, los métodos pueden generalizarse a escalas cuasi-lineales utilizando expansiones de la teoría de campo efectiva.