Constraining cosmological simulations with peculiar velocities: a forward-modeling approach

Titre : Contraindre les simulations cosmologiques avec les vitesses particulières : une approche de modélisation directe (Hamlet-PM)

Énoncé du problème
Les simulations numériques sont essentielles pour comprendre la dynamique gravitationnelle, pourtant les simulations cosmologiques standards ne reproduisent l'Univers que statistiquement, échouant à correspondre spatialement à l'« Univers Local » spécifique observé par les astronomes. Cette limitation entrave l'étude d'objets proches rares, faibles ou bien étudiés qui existent dans un environnement unique et spécifique. Bien que les « simulations contraintes » visent à reproduire l'environnement local, les pipelines existants (tels que le flux de travail du consortium CLUES) reposent sur une approche hétérogène et multi-étapes : la reconstruction des champs de densité/vitesse via un filtre de Wiener (WF), le décalage des contraintes vers le passé à l'aide de l'approximation de Zeldovich inverse (RZA), et la génération des conditions initiales (IC). Ces étapes reposent fortement sur la théorie linéaire et des hypothèses (par exemple, des incertitudes de vitesse gaussiennes) qui s'effondrent dans le régime non linéaire et introduisent des biais systématiques. De plus, les méthodes actuelles peinent souvent à modéliser précisément la dynamique de l'Univers tardif où les vitesses particulières sont mesurées.

Méthodologie : Hamlet-PM
Les auteurs présentent Hamlet-PM, un cadre de modélisation directe (forward-modeling) entièrement bayésien qui contraint les conditions initiales directement à partir des données de vitesse particulière à $z=0$. Contrairement aux itérations précédentes (par exemple, Hamlet-L) qui utilisaient la théorie linéaire, Hamlet-PM intègre les composants suivants :

1. Solveur de gravité différentiable : La méthode remplace le modèle linéaire par un solveur de gravité à grille de particules (PM) grossier (pmwd) implémenté en JAX. Cela permet l'intégration de la dynamique dans le régime légèrement non linéaire.
2. Construction hybride du champ de vitesse : Pour remédier au problème des cellules vides dans les régions de vides où l'interpolation standard de type Cloud-in-Cell (CiC) échoue, les auteurs emploient une approche hybride. Dans les régions denses, le champ de vitesse est dérivé de la représentation CiC de la simulation N-corps. Dans les régions presque vides, une approximation de la théorie linéaire est utilisée. Ces deux approches sont mélangées à l'aide d'une fonction de pondération dépendante de la densité.
3. Inférence Bayésienne : Le cadre estime la distribution de probabilité a posteriori des modes de Fourier du champ de surdensité à haut redshift et des distances des contraintes. Il utilise l'échantillonnage de Monte Carlo par Hamilton (HMC) via la bibliothèque blackjax pour explorer l'espace des paramètres, évitant ainsi les approximations du filtre de Wiener.
4. Données : La méthode est appliquée au catalogue Cosmicflows-4 (CF4), un ensemble de données composite d'environ $56\,000$ galaxies regroupées en environ $38\,000$ groupes, limité à $cz \leq 16\,500$ km/s ($z \sim 0,05$) pour assurer l'isotropie des données et gérer les contraintes de calcul.
5. Exécution de la simulation : Les conditions initiales inférées (à basse résolution, $128^3$) sont augmentées d'un spectre de puissance à petite échelle aléatoire pour atteindre $512^3$ particules. Elles sont évoluées jusqu'à $z=0$ en utilisant le code AREPO, générant une suite de 100 simulations contraintes dans une boîte de $500^3$ $h^{-1}\text{Mpc}$.

Contributions clés

• Cadre Hamlet-PM : Une nouvelle extension de la méthode Hamlet qui permet de contraindre directement les IC à partir des données de vitesse à $z=0$ en utilisant un solveur de gravité différentiable et non linéaire, dépassant les limites de la théorie linéaire de la pipeline CLUES.
• Métrique Opt-LUM : L'introduction d'un « modèle d'Univers Local optimisé » (opt-LUM). Cet algorithme déplace de manière itérative la position cible des amas observés vers le centre de masse des halos simulés correspondants. Cela capture les décalages spatiaux systématiques (biais de position) que le LUM standard pénalise, fournissant un taux de détection et une estimation de masse plus robustes.
• Étalonnage standardisé : L'application des métriques VFO (Velocity Field Olympics) et LUM pour comparer quantitativement la nouvelle méthode aux simulations contraintes existantes basées sur la vitesse (CLONES, P23) et sur le redshift (CSiBORG, Manticore-Local).

Résultats

• Structure à grande échelle : Les 100 simulations reproduisent avec succès la structure à grande échelle observée dans le volume contraint, montrant des filaments et des vides persistants. Les structures non linéaires apparaissent plus prononcées que dans les reconstructions linéaires.
• Détection d'amas : En utilisant la métrique opt-LUM, le taux de détection pour 12 amas proches proéminents (ex: Virgo, Coma, Shapley) s'améliore significativement par rapport au LUM standard. La plupart des amas atteignent un taux de détection $>80\%$ à $2\sigma$, beaucoup atteignant les seuils de $3\sigma$ et $4\sigma$.
• Estimations de masse : Les distributions de masse a posteriori pour les amas correspondants sont généralement cohérentes avec la littérature (probes X, SZ et dynamiques), particulièrement lorsqu'on utilise les homologues opt-LUM.
• Performance du champ de vitesse : Dans le benchmark VFO, Hamlet-PM surpasse les pipelines précédents basés sur la vitesse (CLONES) mais est surpassé par les simulations contraintes basées sur le redshift (Manticore-Local, CSiBORG1).
• Biais systématiques : L'étude identifie une surabondance significative de halos massifs ($>10^{14} h^{-1}M_\odot$) dans le volume contraint par rapport aux prédictions $\Lambda$CDM et aux estimations observationnelles. Le solveur de particules-grille utilisé pour l'inférence semble sous-estimer les amplitudes de vitesse dans les régions denses, forçant les conditions initiales à dévier du modèle cosmologique pour s'ajuster aux données, ce qui entraîne des resimulations biaisées avec trop de clusters massifs.

Signification et affirmations
L'article affirme que la modélisation directe (forward modeling) des conditions initiales au niveau du champ peut être appliquée avec succès aux observations réelles de vitesse particulière pour produire des simulations cosmologiques hautement contraintes. Dans sa forme actuelle, Hamlet-PM est affirmé comme dépassant la qualité de la pipeline CLUES standard (WF/RZA/CRs) actuellement utilisée dans la communauté des vitesses particulières, principalement grâce à sa capacité à modéliser les non-linéarités et les effets observationnels complexes au sein d'un cadre bayésien auto-cohérent.

Cependant, les auteurs se montrent modestes quant aux limites actuelles de la méthode. Ils reconnaissent que les biais systématiques, spécifiquement la surproduction de clusters massifs et la sous-estimation des contrastes de vitesse dans les régions denses par le solveur de particules-grille grossier, doivent être adressés. L'article conclut que, bien que la méthode représente un bond en avant pour l'analyse des données de vitesse particulière au niveau du champ, elle est encore surpassée par les simulations contraintes basées sur le redshift (comme Manticore-Local) en raison de la densité et de la précision plus élevées des données de redshift par rapport aux vitesses basées sur la distance. Des améliorations futures sont attendues par le raffinement du modèle observationnel (fonctions de sélection, calibration croisée) et l'amélioration de la modélisation du champ de densité/vitesse pour sonder plus profondément le régime non linéaire.