Improving constraints on primordial non-Gaussianity from Quaia with a new cosmological observable: angular redshift fluctuations

Résumé technique : Amélioration des contraintes sur la non-gaussianité primordiale avec les fluctuations angulaires de redshift à partir de Quaia

Problème et motivation
La détection de la non-gaussianité primordiale (PNG), paramétrée par $f_{\text{NL}}$, est un test critique pour les modèles inflationnistes, où une valeur non nulle indiquerait des écarts par rapport aux conditions initiales gaussiennes. Bien que les contraintes les plus strictes proviennent actuellement du bispectre du Fond Diffus Cosmique Micro-onde (CMB) (ex. Planck 2018), la Structure à Grande Échelle (LSS) offre une sonde complémentaire via l'effet de biais dépendant de l'échelle. Cet effet, prédit par Dalal et al. (2008), introduit une signature caractéristique en $1/k^2$ dans le biais des galaxies pour la PNG locale. Cependant, mesurer cela à partir de la LSS est difficile en raison de la nécessité d'un contrôle précis des biais observationnels sur les plus grandes échelles.

Des études récentes ont utilisé les spectres de puissance angulaires 2D et les corrélations croisées avec le lentillage CMB pour contraindre $f_{\text{NL}}$. Ce travail aborde le potentiel d'améliorer ces contraintes en incorporant un nouvel observable cosmologique : les Fluctuations Angulaires de Redshift (ARF). Les ARF mesurent les déviations angulaires 2D du redshift moyen d'un traceur de matière au sein d'une coquille donnée. Théoriquement, les ARF sont sensibles au biais des galaxies et donc à la PNG, mais leur application aux données réelles pour les contraintes de $f_{\text{NL}}$ n'avait pas encore été démontrée auparavant.

Méthodologie
Les auteurs ont analysé le catalogue Quaia, un échantillon à ciel complet d'environ 1,3 million de quasars (QSO) dérivés de Gaia DR3 et des données unWISE, couvrant un vaste volume cosmologique. Le pipeline d'analyse comprenait les étapes suivantes :

1. Préparation des données : L'échantillon Quaia a été divisé en deux compartiments de redshift ($\bar{z} \approx 0,97$ et $\bar{z} \approx 2,10$). Des cartes HEALPix ($N_{\text{side}}=128$) ont été générées pour les nombres de comptages de galaxies (densité) et les ARF. Le champ ARF a été défini comme la fluctuation de redshift moyenne pondérée par pixel, utilisant une large fenêtre gaussienne équivalente à la distribution de redshift intrinsèque du relevé.
2. Corrélations croisées : L'étude a combiné les cartes de densité et d'ARF de Quaia avec les cartes de convergence du lentillage CMB de Planck PR4. Cela a produit quatre observables : les spectres d'auto-puissance de la densité ($C_{gg}^\ell$) et des ARF ($C_{zz}^\ell$), ainsi que leurs corrélations croisées avec le lentillage CMB ($C_{\kappa g}^\ell$ et $C_{\kappa z}^\ell$).
3. Modélisation théorique : Une version modifiée du code de Boltzmann CAMB (ARFCAMB) a été utilisée pour calculer les spectres de puissance théoriques. Ce code incorpore le noyau ARF et prend en compte les incertitudes de redshift photométrique ($\sigma_z \approx 0,06(1+z)$). Le modèle incluait le biais dépendant de l'échelle induit par $f_{\text{NL}}$ sous la relation d'universalité (en supposant $p=1$), ainsi qu'une paramétrisation flexible de l'évolution du biais des galaxies ($b(z)$).
4. Systématiques et covariance : Pour traiter les biais systématiques, les auteurs ont employé une déprojection des systématiques par régression linéaire contre des modèles (templates) Quaia. Des coupures d'échelle ont été déterminées en comparant les décalages des données par rapport aux réalisations fictives (mocks) ; spécifiquement, $\ell_{\text{min}}=14$ pour la densité et $\ell_{\text{min}}=10$ pour les auto-spectres ARF ont été appliqués pour éliminer les décalages à bas $\ell$ incompatibles avec les fluctuations statistiques. Une matrice de covariance a été dérivée de 1 000 simulations corrélées, avec des corrections appliquées aux auto-spectres fictifs pour correspondre à l'excès de puissance observé dans les données réelles à bas multipôles.
5. Inférence de paramètres : Une vraisemblance gaussienne a été construite en utilisant les spectres de puissance mesurés et la matrice de covariance. Un échantillonnage par chaîne de Markov de Monte Carlo (MCMC) (emcee) a été utilisé pour contraindre $f_{\text{NL}}$ et les paramètres de biais ($b_0, \alpha$).

Résultats clés
L'analyse a produit les contraintes suivantes sur le paramètre de non-gaussianité locale $f_{\text{NL}}$ (en supposant la relation d'universalité avec $p=1$) :

• ARF seules : La combinaison de l'auto-corrélation ARF et de la corrélation croisée ARF-lentillage CMB a produit $f_{\text{NL}} = -43^{+50}_{-44}$.
• Densité seule : La combinaison de l'auto-corrélation de densité et de la corrélation densité-lentillage CMB a produit $f_{\text{NL}} = -25^{+19}_{-17}$, ce qui est cohérent avec les analyses précédentes de Quaia (Fabbian et al. 2026).
• Analyse conjointe : La combinaison des quatre observables ($C_{gg}^\ell, C_{\kappa g}^\ell, C_{zz}^\ell, C_{\kappa z}^\ell$) a abouti à $f_{\text{NL}} = -3 \pm 14$ à un niveau de confiance de 68 %.
• Optimisation de la qualité de l'ajustement (Goodness-of-Fit) : Les auteurs ont noté de légères tensions dans le $\chi^2$ lors de l'inclusion de la corrélation croisée ARF-lentillage CMB ($C_{\kappa z}^\ell$). L'exclusion de cette corrélation croisée spécifique pour améliorer la qualité de l'ajustement du modèle a conduit à $f_{\text{NL}} = -5^{+16}_{-15}$.

La contrainte conjointe représente une amélioration d'environ 25 % par rapport à la mesure précédente de Quaia utilisant uniquement la densité et le lentillage CMB. Ce résultat constitue la deuxième contrainte la plus étroite sur $f_{\text{NL}}$ utilisant les statistiques à deux points de la LSS à ce jour (après les données spectroscopiques DESI DR1) et la plus précise réalisée en utilisant des statistiques de résumé 2D projetées.

Signification et robustesse
L'article affirme que l'inclusion des ARF en tant qu'observable cosmologique permet une amélioration mesurable des contraintes de $f_{\text{NL}}$ en utilisant des données réelles. Les auteurs ont vérifié la robustesse de leurs résultats via plusieurs tests :

• Modélisation du biais : Les résultats sont restés stables en faisant varier le modèle de référence de l'évolution du biais des galaxies (testant à la fois les modèles de Piccirilli et al. 2024 et de Laurent et al. 2017) et en autorisant des paramètres de biais indépendants pour les champs de densité et d'ARF.
• Coupures d'échelle : Les contraintes se sont révélées stables face aux variations des coupures de multipôles minimaux ($\ell_{\text{min}}$), bien qu'une certaine tension dans les paramètres de biais ait été observée, attribuée à la sensibilité plus élevée du noyau ARF aux échelles non linéaires (modes-$k$) par rapport au noyau de densité.
• Relation d'universalité : En relâchant l'hypothèse $p=1$ pour $p=1,6$ (une valeur suggérée pour les QSO dans certaines publications), la contrainte a glissé vers $f_{\text{NL}} = 2^{+20}_{-21}$, ou $b_\phi f_{\text{NL}} = -63^{+79}_{-89}$ dans une approche indépendante du modèle.

Les auteurs concluent que, bien que des tensions internes existent entre les observables — probablement dues à la nécessité d'une meilleure modélisation des échelles non linéaires pour les ARF — l'ajout des ARF aux analyses 2D est une voie prometteuse. Ils préconisent l'inclusion des ARF dans les analyses futures de grands relevés tels que DESI, Euclid et LSST, notant que les ARF pourraient offrir une alternative 2D robuste au clustering 3D standard, particulièrement pour les relevés photométriques où les incertitudes de redshift sont non négligeables.