The Non-Gaussian Weak-Lensing Likelihood: A Multivariate Copula Construction and Impact on Cosmological Constraints

Cet article présente une méthode de construction de vraisemblances non gaussiennes pour les fonctions de corrélation à deux points en utilisant une approche de copule, démontrant que bien que cette approche entraîne des décalages significatifs dans les contraintes cosmologiques pour des relevés de 1 000 degrés carrés, les vraisemblances gaussiennes restent suffisantes pour les relevés de stage-IV couvrant 10 000 degrés carrés.

L'essentiel

🌌 Le Grand Jeu de la Carte Cosmique

Imaginez que vous êtes un détective de l'univers. Votre mission ? Comprendre comment l'univers est fait, en particulier cette matière invisible appelée "matière noire" qui agit comme une colle gravitationnelle. Pour cela, vous utilisez une technique appelée lentille gravitationnelle faible.

C'est un peu comme regarder une carte dessinée sur un mur à travers une vitre déformée. Les galaxies lointaines semblent légèrement tordues par la gravité de la matière noire située entre elles et nous. En mesurant ces tordures, vous pouvez reconstruire la carte de la matière noire.

Mais il y a un problème : votre carte n'est pas parfaite. Elle est bruitée, floue, et surtout, elle a des zones d'ombre (les masques) où vous ne pouvez pas voir (à cause des étoiles proches ou des défauts de votre télescope).

📉 Le Problème : La Règle du "Tout est Normal"

Jusqu'à présent, pour analyser ces données, les scientifiques utilisaient une règle mathématique très simple : l'hypothèse Gaussienne.

Imaginez que vous lancez des dés des millions de fois. La plupart du temps, vous obtiendrez des résultats qui forment une courbe en cloche parfaite (la fameuse courbe de Gauss). C'est ce que les scientifiques supposaient pour leurs données cosmiques : "Si on a assez de données, tout va se comporter comme une courbe en cloche parfaite."

Le problème, c'est que sur les très grandes échelles de l'univers (les grandes distances entre les galaxies), la réalité ne suit pas cette courbe parfaite. C'est comme si, au lieu de lancer des dés équilibrés, vous jouiez avec des dés pipés qui ont tendance à faire des "grands écarts" imprévisibles. Si vous continuez à utiliser la règle de la "courbe en cloche" pour ces grandes échelles, vous risquez de tirer de mauvaises conclusions sur la taille et la forme de l'univers.

🧩 La Solution : Le "Copula" (Le Collant Universel)

Dans cet article, Veronika Oehl et Tilman Tröster proposent une nouvelle méthode pour corriger ce problème. Ils utilisent un outil mathématique appelé une Copule (ou Copula en anglais).

Pour faire simple, imaginez que vous voulez assembler un puzzle complexe :

1. Les pièces individuelles (les marginales) : Vous avez déjà les pièces parfaites. Vous savez exactement à quoi ressemble chaque pièce prise isolément (c'est ce qu'ils appellent les "marginales exactes").
2. La boîte du puzzle (la dépendance) : Le vrai défi, c'est de savoir comment ces pièces s'assemblent entre elles. Est-ce qu'elles s'attirent ? Est-ce qu'elles se repoussent ?

La méthode Copule est comme un colle intelligente. Elle prend vos pièces individuelles (qui sont déjà parfaites et non-gaussiennes) et les assemble en utilisant une "colle" qui respecte la façon dont elles interagissent réellement, même si cette interaction est bizarre et complexe.

Contrairement à l'ancienne méthode qui forçait toutes les pièces à s'aligner sur une courbe en cloche (ce qui déformait le puzzle), la Copule permet de garder la forme réelle de chaque pièce tout en les collant ensemble correctement.

🚀 Ce qu'ils ont découvert

Les auteurs ont testé cette nouvelle méthode sur des simulations de deux types de relevés astronomiques :

• Le "Petit" Relevé (Stage III) : Comme le KiDS-1000, qui couvre environ 1 000 degrés carrés du ciel (un peu moins de 1/40e du ciel entier).
• Le "Géant" Relevé (Stage IV) : Comme le futur LSST ou Euclid, qui couvrira 10 000 degrés carrés (une grande partie du ciel).

Les résultats sont fascinants :

1. Pour le "Petit" Relevé : La différence est énorme ! Utiliser l'ancienne méthode (Gaussienne) déplace la réponse finale d'environ une déviation standard. C'est comme si vous cherchiez un trésor et que votre boussole vous indiquait une direction fausse d'un demi-kilomètre. Avec la nouvelle méthode Copule, vous êtes beaucoup plus précis.
2. Pour le "Géant" Relevé : La différence devient négligeable. Pourquoi ? Parce que quand vous avez énormément de données (10 000 fois plus), la loi des grands nombres reprend le dessus. Même si les pièces individuelles sont bizarres, l'ensemble finit par ressembler à une courbe en cloche parfaite. La méthode simple (Gaussienne) suffit donc pour les futurs géants relevés.

💡 La Conclusion en une phrase

Cette recherche nous dit : "Ne vous fiez pas à la règle simple (Gaussienne) quand vous regardez de petites zones de l'univers avec des données complexes, car vous risquez de vous tromper sur la nature de l'univers. Mais pour les très grands relevés futurs, la méthode simple fonctionnera probablement encore."

C'est une victoire pour la précision : les scientifiques ont maintenant un outil (la Copule) pour vérifier leurs calculs et s'assurer que leurs cartes de l'univers ne sont pas déformées par de mauvaises hypothèses statistiques.

Résumé technique

1. Le Problème

Les sondages cosmologiques actuels et futurs (tels que KiDS, DES, Euclid, LSST) visent des contraintes de paramètres avec une précision inférieure au pourcent. Cette exigence de précision met en lumière les limites des hypothèses statistiques traditionnelles.

• Hypothèse de Gaussiannité : La plupart des analyses de cisaillement gravitationnel (weak lensing) supposent que la vraisemblance (likelihood) des fonctions de corrélation à deux points suit une distribution gaussienne multivariée.
• Échec de l'approximation : Bien que le théorème central limite justifie souvent cette hypothèse, il a été démontré que les distributions d'échantillonnage des fonctions de corrélation de cisaillement gravitationnel sont non gaussiennes, en particulier sur les grandes échelles angulaires.
• Limites des approches existantes : Les développements en série d'Edgeworth pour inclure des moments d'ordre supérieur peuvent produire des densités négatives et ne sont pas garantis d'être des distributions de probabilité valides. De plus, le calcul exact d'une vraisemblance multivariée complète est computationnellement impossible pour des vecteurs de données de haute dimension.

2. Méthodologie

Les auteurs proposent un cadre novateur pour construire et évaluer efficacement une vraisemblance non gaussienne en utilisant une approche par copule.

A. Fondements Théoriques

• Marginales Exactes : L'article s'appuie sur des travaux antérieurs (OT25) permettant de calculer les distributions marginales unidimensionnelles exactes pour les fonctions de corrélation sur des champs aléatoires gaussiens masqués. Ces distributions sont dérivées de la transformée de Fourier inverse de la fonction caractéristique des coefficients pseudo-$a_{\ell m}$.
• Structure de Dépendance : Au lieu de calculer la densité de probabilité multivariée complète (coûteuse), l'approche utilise une copule pour combiner les marginales exactes avec une structure de dépendance dérivée de la matrice de covariance exacte.

B. Construction de la Copule

1. Transformation : Chaque variable de données (fonction de corrélation $\xi^+_q$) est transformée en une variable normale standardisée $z_q$ via la fonction de répartition cumulative (CDF) de sa distribution marginale exacte et la fonction inverse de la CDF normale.
2. Couplage : Une distribution multivariée normale est appliquée aux variables transformées $z$, utilisant la matrice de corrélation dérivée de la covariance exacte des fonctions de corrélation.
3. Vraisemblance Finale : La vraisemblance multivariée est obtenue en multipliant la densité de la copule (gaussienne dans ce cas) par le produit des densités marginales non gaussiennes exactes.
   $$p(\boldsymbol{\xi}^+|\boldsymbol{\theta}) = \rho_{\text{Gauss}} \prod_q p(\xi^+_q|\boldsymbol{\theta})$$

C. Approximations et Implémentation

Pour rendre le calcul réalisable sur des sondages réels :

• Séparation des échelles ($\ell$) : Les contributions à haut multipôle ($\ell$) sont approximées comme gaussiennes (justifié par le théorème central limite), tandis que les basses fréquences (grandes échelles) sont traitées exactement.
• Marginales Gaussiennes sur les petites échelles : Pour les échelles angulaires inférieures à ~20 arcmin (selon la taille du masque), les marginales sont remplacées par des distributions gaussiennes sans perte significative de précision.
• Optimisation : L'exploitation de la structure creuse (sparse) des matrices de combinaison et de covariance permet de réduire drastiquement le coût computationnel.

3. Contributions Clés

• Première application complète : C'est la première fois qu'une vraisemblance par copule avec des marginales analytiques non gaussiennes est appliquée à un vecteur de données complet de fonctions de corrélation de cisaillement gravitationnel (et non seulement aux spectres de puissance).
• Cadre général : Le cadre est applicable à n'importe quelle statistique à deux points avec des marginales connues, y compris le regroupement de galaxies (clustering) et les cartes 21 cm.
• Validation rigoureuse : Comparaison directe avec des simulations de champs aléatoires gaussiens corrélés (générés avec GLASS) montrant un accord excellent entre la vraisemblance analytique et les distributions d'échantillonnage simulées.

4. Résultats

Les auteurs ont testé leur cadre sur des configurations simulant des sondages de type Stage-III (KiDS-1000, 1000 deg²) et Stage-IV (LSST/Euclid, 10 000 deg²).

• Comparaison avec les simulations : La vraisemblance par copule reproduit fidèlement les distributions d'échantillonnage simulées, y compris les asymétries et les structures non gaussiennes, là où la vraisemblance gaussienne échoue systématiquement (écarts beaucoup plus grands que le bruit d'échantillonnage).
• Impact sur les contraintes cosmologiques ($S_8$ et $\Omega_m$) :
  • Sondages de 1000 deg² (Stage-III) : L'utilisation de la vraisemblance par copule entraîne un décalage (shift) de la moyenne de la distribution a posteriori pour le paramètre $S_8$ d'environ une déviation standard par rapport à la vraisemblance gaussienne. Le mode et la moyenne sont déplacés vers des valeurs plus faibles de $S_8$.
  • Sondages de 10 000 deg² (Stage-IV) : Pour les grandes surfaces, les différences entre les deux approches deviennent négligeables. L'augmentation du nombre de points de données et la réduction de la variance relative atténuent l'impact de la non-gaussiannité sur les contraintes globales.
• Dépendance à la géométrie : L'ampleur du décalage dépend fortement de la géométrie du masque (forme du champ observé) et de la structure du vecteur de données, et non seulement de la taille totale de la surface.

5. Signification et Conclusion

• Validité de l'approximation gaussienne : Pour les futurs sondages de grande envergure (Stage-IV comme LSST ou Euclid), l'hypothèse de vraisemblance gaussienne semble suffisante pour contraindre les paramètres cosmologiques, bien que les auteurs recommandent de vérifier ce point avec les géométries de masques réelles finales.
• Importance pour les sondages actuels : Pour les sondages de taille intermédiaire (comme KiDS-1000), l'approximation gaussienne introduit des biais significatifs dans l'estimation de $S_8$. L'utilisation de vraisemblances non gaussiennes est donc cruciale pour éviter des conclusions erronées sur la tension en $S_8$.
• Faisabilité : Le cadre proposé démontre qu'il est possible d'intégrer des modèles de vraisemblance complexes et non gaussiens dans des analyses cosmologiques complètes (échantillonnage de l'espace des paramètres) sans coût computationnel prohibitif.

En résumé, ce travail fournit un outil robuste pour quantifier et corriger les biais statistiques liés à la non-gaussiannité dans l'analyse du cisaillement gravitationnel, offrant une voie claire pour des analyses cosmologiques de précision accrue.