Beyond Linear Bias Expansions for AbacusSummit Halos at z = 8

1. Problématique et Contexte

À haut décalage vers le rouge (redshift), les halos de matière noire capables d'abriter des galaxies lumineuses sont extrêmement rares et se forment uniquement dans les régions les plus surdenses de l'univers. Par conséquent, leur distribution spatiale est fortement biaisée par rapport à la matière sous-jacente.

Le défi principal réside dans la nature de ce biais. Les fluctuations de densité fractionnelle de ces objets sont importantes (de l'ordre de l'unité), ce qui implique que leur distribution de probabilité est fortement asymétrique et non gaussienne. Les expansions de biais traditionnelles, qui traitent la surdensité de matière $\delta$ comme un paramètre de perturbation petit ($\delta \ll 1$), peuvent devenir inadéquates lorsque les coefficients de biais d'ordres supérieurs sont grands. Dans ce régime, les termes d'ordre supérieur en $\delta$ (comme $\delta^2, \delta^3$) peuvent devenir plus significatifs que les termes d'ordre inférieur ou que les termes dépendant de la forme du champ (comme le biais de marée).

L'objectif de cette étude est de déterminer quels termes d'une expansion de biais standard sont nécessaires pour modéliser avec précision le regroupement (clustering) de ces populations hautement biaisées à $z=8$, en utilisant des simulations N-corps de haute précision.

2. Méthodologie

Les auteurs ont utilisé la suite de simulations AbacusSummit, spécifiquement des boîtes de simulation de $2 \, h^{-1}\text{Gpc}$ de côté contenant $6912^3$ particules.

• Échantillons de données :

  • $z=8$ : Halos avec une masse supérieure à $1 \times 10^{11} \, h^{-1} M_\odot$.
  • $z=5$ : Halos sélectionnés avec un seuil de masse ($6.34 \times 10^{11} \, h^{-1} M_\odot$) tel que la variance du champ de surdensité des halos soit identique à celle de l'échantillon à $z=8$, permettant une comparaison directe de l'évolution du biais.
  • Un total de 25 réalisations de boîtes a été utilisé pour estimer les matrices de covariance et réduire les erreurs statistiques.

• Observables simulés :

  • Le spectre de puissance ($P(k)$) et le bispectre ($B(k_1, k_2, k_3)$) des halos ont été calculés en utilisant le package BSKIT.
  • Les champs de densité ont été lissés et projetés sur des grilles (méthode TSC) pour minimiser les effets d'aliasing, avec des modes jusqu'à $k \approx 0.4 \, h \text{ Mpc}^{-1}$.

• Modélisation théorique (Expansion de biais) :

  • Les auteurs ont construit une expansion de biais dans l'espace d'Euler, incluant des opérateurs renormalisés pour éviter les dépendances aux coupures de petite échelle.
  • Les termes inclus sont :
    • Linéaire : $\delta$
    • Quadratique local : $\delta^2$
    • Cubique local : $\delta^3$
    • Terme de marée (tidal) : $K^2$ (dérivé du tenseur de marée)
    • Non-linéarité de la matière : $\delta^{(2)}$ (le terme de second ordre de la théorie des perturbations standard).
  • L'expansion retenue pour le modèle est :
    $$\delta_h = b_1 \delta + b_2 \delta^2 + b_3 \delta^3 + b_{K^2} K^2 + b_{F2} \delta^{(2)}$$
    (où les opérateurs sont renormalisés).

• Analyse statistique :

  • Un ajustement par $\chi^2$ a été effectué pour déterminer les coefficients de biais ($b_1, b_2, b_3, b_{K^2}$, etc.) en ajustant les modèles théoriques aux spectres de puissance et de bispectre simulés.
  • Des paramètres de bruit stochastique ont été inclus pour absorber les dépendances aux échelles de lissage et les contributions d'ordres supérieurs non modélisés.

3. Contributions Clés et Résultats

Les résultats principaux, obtenus à partir de l'ajustement simultané du spectre de puissance et du bispectre, sont les suivants :

• Dominance des termes locaux en densité : Le clustering des halos à $z=8$ est parfaitement modélisé en utilisant uniquement des paramètres de biais linéaire ($b_1$) et quadratique ($b_2$), en supposant un champ de matière sous-jacent gaussien pour les termes d'ordre supérieur.
• Détection significative de $\delta^2$ et $\delta^3$ :
  • Le terme quadratique $\delta^2$ est détecté avec une signification de 17$\sigma$.
  • Le terme cubique $\delta^3$ est détecté faiblement au niveau de 1.3$\sigma$.
  • La non-linéarité de la matière ($\delta^{(2)}$) est également détectée au niveau de 1.3$\sigma$.
• Absence de biais de marée détectable : Le coefficient de biais de marée ($b_{K^2}$) n'est pas détecté ; il est compatible avec zéro à environ 0.1$\sigma$. Cela suggère que la forme locale de la surdensité de matière est moins importante que son amplitude pour la formation de ces halos à haut redshift.
• Évolution du biais ($z=8$ vs $z=5$) :
  • À $z=5$, le biais global est plus faible, comme prévu par l'évolution linéaire de la matière.
  • À $z=5$, un biais de marée est détecté au niveau de 1$\sigma$, indiquant que l'importance relative des termes de marée augmente légèrement lorsque l'on descend en redshift, bien que les termes locaux en densité restent dominants.
  • Les coefficients de biais à $z=8$ correspondent à une évolution linéaire des coefficients à $z=5$ (multipliés par un facteur d'environ 1.43) à moins de 10% près.

4. Signification et Implications

Ce travail remet en question l'approche classique de l'expansion de biais où l'on suppose que les termes d'ordre supérieur en $\delta$ sont négligeables par rapport aux termes de marée ou d'ordre inférieur.

1. Nécessité d'expansions alternatives : Pour les traceurs hautement biaisés à haut redshift, l'expansion standard (où $\delta$ est le seul paramètre de perturbation) échoue car les rapports entre les coefficients de biais ($b_2/b_1$, $b_3/b_1$) sont grands. L'expansion doit être réorganisée pour donner la priorité aux puissances de la densité locale ($\delta^n$) plutôt qu'aux termes de forme (marée).
2. Efficacité des modèles simplifiés : Pour les futures enquêtes sur les galaxies à haut redshift, il est possible de se contenter d'une expansion de biais ne contenant que les termes $b_1$ et $b_2$ (et le champ de matière linéaire) pour capturer l'essentiel de l'information de clustering, rendant les modèles plus efficaces et moins sujets aux dégénérescences.
3. Validation des simulations : La capacité du modèle à reproduire fidèlement les spectres de puissance et de bispectre des simulations AbacusSummit sans erreurs systématiques visibles valide l'utilisation de ces outils pour l'analyse des données observationnelles futures (comme celles du JWST).

En conclusion, l'étude démontre que pour les halos formés dans les régions les plus denses de l'univers primordial, l'amplitude de la surdensité locale est le facteur déterminant, rendant les effets de marée négligeables par rapport aux termes non-linéaires de densité.