🔭 astrophysics

Predicted number counts and clustering of Hi galaxies from future radio surveys

Cet article utilise trois modèles de simulation de galaxies distincts (S $^3$ -SAX, GAEA et IllustrisTNG) pour prédire les comptages et les propriétés de regroupement des galaxies HI observables par les futurs relevés radio SKA-MID, permettant ainsi de prévoir les performances cosmologiques du relevé et de quantifier les incertitudes découlant de la modélisation et de la variance d'échantillon.

Auteurs originaux : Ainulnabilah Nasirudin, Philip Bull, Isabelle Ye

Publié 2026-04-30

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ainulnabilah Nasirudin, Philip Bull, Isabelle Ye

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'univers comme une gigantesque toile invisible tissée de matière noire. Les galaxies sont comme des villes lumineuses qui se forment le long des fils de cette toile. Depuis longtemps, les astronomes tentent de cartographier ces villes pour comprendre la forme de la toile elle-même et son expansion.

Ce document traite de la préparation d'un nouveau projet massif : utiliser de gigantesques radiotélescopes (spécifiquement le futur SKA-MID) pour recenser les galaxies remplies d'hydrogène neutre (un gaz appelé HI). Considérez l'hydrogène neutre comme le « carburant » à l'intérieur de ces galaxies. Lorsque ce carburant émet un signal radio spécifique (la raie à 21 cm), il agit comme un phare, permettant aux astronomes de localiser exactement la position de la galaxie et sa vitesse d'éloignement par rapport à nous.

Voici l'histoire de ce que les auteurs ont fait, expliquée simplement :

1. Le Problème : Nous ne connaissons pas le « Menu »

Avant de pouvoir commander un repas, il faut savoir ce qui figure au menu. Avant de construire une vaste enquête avec le télescope SKA-MID, les scientifiques doivent savoir :

Combien de galaxies HI verrons-nous réellement ?
Comment sont-elles regroupées ? (Se rassemblent-elles en grands groupes ou vivent-elles seules ?)

Le problème est que nous n'avons pas encore observé suffisamment de ces galaxies pour connaître les réponses. Les auteurs se sont donc tournés vers des simulations informatiques. Ils ont utilisé trois « univers virtuels » différents pour prédire ce que le télescope verrait.

2. Les Trois Chefs Virtuels

Les auteurs ont comparé trois modèles informatiques différents, qui agissent comme trois chefs tentant de prédire la même recette :

S3-SAX : Un modèle basé sur d'anciennes règles mathématiques (semi-analytique) construit sur une simulation de matière noire.
GAEA : Une version plus récente et mise à jour de ces règles mathématiques, ajustée à l'aide de données issues de simulations de fluides.
IllustrisTNG : Une simulation ultra-complexe qui modélise réellement la physique du gaz, des étoiles et des trous noirs en mouvement (hydrodynamique).

La Surprise : Les trois chefs ne s'accordaient pas sur le menu.

À de faibles distances (galaxies proches), leurs prédictions divergeaient d'un facteur 2 ou 3.
À de grandes distances (galaxies lointaines), le désaccord était énorme — parfois d'un facteur 10 ou plus !
C'est comme si un chef prédisait que vous trouverez 100 pommes dans une forêt, tandis qu'un autre en prédit 1 000.

3. La Prévision Cosmologique : Quelle sera la précision de notre carte ?

Les auteurs se sont demandé : « Si nous utilisons ces différentes prévisions pour planifier notre enquête télescopique, quelle sera la précision de notre carte de l'univers ? »

Ils ont effectué un « essai routier » en utilisant la Matrice de Fisher (un outil statistique qui prédit l'ampleur de l'erreur possible).

Le Résultat : Pour les galaxies proches (faible décalage vers le rouge), peu importait quelle simulation était utilisée ; le télescope obtiendrait tout de même une carte décente (avec une erreur inférieure à 10 %).
Le Bémol : Pour les galaxies lointaines (fort décalage vers le rouge), le choix de la simulation comptait énormément. Si vous choisissiez la « mauvaise » simulation, vos barres d'erreur pouvaient gonfler jusqu'à devenir 11 fois plus grandes.
Le Verdict : Le télescope SKA-MID sera un excellent outil, mais aux grandes distances, l'incertitude de nos modèles théoriques (le « menu ») est le facteur limitant le plus important, et non le télescope lui-même. Pour obtenir des cartes vraiment précises de l'univers lointain, nous pourrions avoir besoin d'un télescope encore plus grand (comme un hypothétique « SKA2 »).

4. L'Expérience de la « Variance d'Échantillon »

Pour comprendre à quel point la « chance » joue un rôle dans ces enquêtes, les auteurs ont prélevé une tranche haute résolution de la simulation IllustrisTNG (une instantanée de l'univers à un moment précis) et l'ont découpée en neuf patches différents de 20° x 20°.

Imaginez regarder une forêt à travers neuf fenêtres différentes. Même s'il s'agit de la même forêt, la vue à travers chaque fenêtre est légèrement différente.

Ils ont compté les galaxies dans chaque fenêtre et mesuré leur degré d'agrégation.
Découverte : L'« agrégation » (appelée fonction de corrélation angulaire) variait considérablement d'une fenêtre à l'autre. C'est ce qu'on appelle la variance d'échantillon.
Pourquoi cela compte : Si vous ne sondez qu'une petite portion du ciel, vos résultats pourraient être biaisés simplement parce que vous avez eu de la chance (ou de la malchance) dans l'endroit où vous avez regardé. Les auteurs ont constaté que, bien que l'« agrégation » globale soit cohérente en moyenne, les détails spécifiques de la façon dont les galaxies se regroupent (le terme « 1-halo », ou galaxies au sein d'un même amas) changeaient considérablement selon la luminosité des galaxies.

5. L'Énigme de l'« Occupation des Halos »

Enfin, ils ont tenté d'ajuster un modèle appelé Distribution d'Occupation des Halos (HOD) à leurs données. Considérez le HOD comme un manuel de règles qui dit : « Pour un nuage de matière noire de cette taille spécifique, combien de galaxies devraient y vivre ? »

Ils ont testé ce manuel de règles contre leurs neuf fenêtres différentes.
Résultat : Le manuel de règles fonctionnait étonnamment bien. Même si le nombre de galaxies changeait avec la sensibilité du télescope, les règles fondamentales régissant la façon dont les galaxies vivent dans les nuages de matière noire restaient relativement stables.
Ils ont fourni un ensemble de chiffres « de meilleure estimation » pour ces règles, que d'autres scientifiques pourront utiliser pour planifier des enquêtes futures.

Résumé

Ce document est une « répétition générale » pour l'avenir de la radioastronomie. Les auteurs nous avertissent que, bien que nos modèles informatiques s'améliorent, ils divergent encore considérablement quant au nombre de galaxies existantes et à leur disposition, en particulier dans l'univers lointain.

Bonne nouvelle : Pour les enquêtes proches, le télescope SKA-MID fonctionnera parfaitement, peu importe le modèle en lequel nous avons confiance.
Prudence : Pour les enquêtes lointaines, notre manque d'accord entre les modèles est un problème plus grand que la sensibilité du télescope.
À retenir : Nous devons continuer à affiner nos simulations informatiques et être préparés à la « variance d'échantillon » (la chance du tirage) lorsque nous observons de plus petites portions du ciel.

En bref : nous avons un nouvel appareil photo puissant qui arrive, mais nous devons encore déterminer exactement à quoi ressemble la scène avant d'appuyer sur le déclencheur.

1. Énoncé du problème

La détection de la raie d'émission à 21 cm de l'hydrogène neutre (Hi) dans les galaxies offre une méthode puissante pour la détermination spectroscopique du décalage vers le rouge et la cartographie de la structure à grande échelle de l'Univers. Les futurs réseaux radio, en particulier le réseau de fréquence moyenne du Square Kilometre Array (SKA-MID), devraient cataloguer des centaines de milliers à des millions de galaxies Hi. Cependant, des prévisions cosmologiques précises pour ces relevés sont entravées par d'importantes incertitudes théoriques concernant :

Nombres de détections : La densité numérique attendue des galaxies Hi en fonction du décalage vers le rouge et de la sensibilité en flux est mal contrainte, en particulier aux faibles niveaux de flux ( $\mu$ Jy) et aux décalages vers le rouge plus élevés ( $z > 0.5$ ).
Propriétés de regroupement : Le biais des galaxies Hi par rapport à la distribution sous-jacente de matière noire est incertain.
Dépendance aux modèles : Différentes approches de simulation (modèles semi-analytiques vs simulations hydrodynamiques) produisent des prévisions divergentes, rendant difficile la quantification du budget d'erreur théorique pour les futures contraintes cosmologiques.

2. Méthodologie

Les auteurs ont employé une approche multifacette combinant trois catalogues de galaxies simulés distincts avec des techniques de prévision observationnelle :

A. Comparaison des simulations
L'étude a utilisé trois catalogues de galaxies simulés différents pour prédire les propriétés des galaxies Hi :

S3-SAX : Un modèle semi-analytique (SAM) basé sur la simulation de matière noire Millennium.
GAEA : Un SAM mis à jour partiellement calibré à l'aide de simulations hydrodynamiques.
IllustrisTNG : Une simulation magnétohydrodynamique complète (spécifiquement les boîtes TNG100 et TNG300).

B. Spécifications du relevé

Instrument : SKA-MID (Bande 1 : 350–1050 MHz ; Bande 2 : 950–1760 MHz).
Configurations : Deux configurations de réseau ont été modélisées : AA* (144 antennes) et AA4 (197 antennes).
Paramètres du relevé : Un total de 10 000 heures sur une surface de 5 000 deg $^2$ .
Sélection : Les galaxies ont été sélectionnées sur la base d'un seuil de densité de flux à 5 $\sigma$ ( $S_{rms}$ ) et d'une largeur de raie minimale ( $W_\theta$ ) pour exclure les galaxies vues par la face dépourvues du profil caractéristique à double corne.

C. Prévisions cosmologiques (Matrice de Fisher)
En utilisant la densité numérique ($dN/dz$) et le biais ( $b(z)$ ) dérivés de S3-SAX et GAEA, les auteurs ont effectué des prévisions par matrice de Fisher pour prédire les contraintes sur les paramètres cosmologiques :

Le taux d'expansion $H(z)$ et la distance angulaire $D_A(z)$ .
Le taux de croissance linéaire $f\sigma_8(z)$ et le biais $b\sigma_8(z)$ .
L'analyse a supposé un modèle de référence $\Lambda$ CDM plat Planck 2018.

D. Analyse du regroupement et de la variance d'échantillon

Source de données : Un instantané haute résolution ( $z \approx 0$ ) de la simulation IllustrisTNG300.
Catalogues fictifs : La boîte de simulation a été divisée en neuf sous-volumes ( $20^\circ \times 20^\circ$ chacun) pour simuler des réalisations indépendantes du ciel.
Analyse statistique :
- Calcul de la fonction de corrélation angulaire (ACF), $w(\theta)$ , pour des seuils de flux de 100, 250 et 500 $\mu$ Jy.
- Application de l'estimateur de Landy-Szalay pour mesurer $w(\theta)$ .
- Utilisation du rééchantillonnage Jackknife pour estimer la matrice de covariance.
- Réalisation d'une inférence MCMC bayésienne pour ajuster un modèle de distribution d'occupation des halos (HOD) à l'ACF, contraignant les paramètres : $\log M_{min}$ , $\log M_1$ , $f_c$ (fraction centrale) et $\beta_g$ .

3. Contributions clés

Quantification de l'incertitude théorique : L'article fournit une comparaison rigoureuse des prédictions Hi à travers trois cadres de simulation majeurs, mettant en évidence les points d'accord et les divergences significatives.
Prévision des performances du SKA-MID : Il offre des prévisions mises à jour pour les capacités cosmologiques des configurations SKA-MID (AA* et AA4), reliant explicitement les performances du relevé au choix du modèle de simulation.
Caractérisation de la variance d'échantillon : En analysant neuf sous-volumes d'une grande simulation hydrodynamique, l'étude quantifie l'impact de la variance d'échantillon sur les mesures de regroupement à faible décalage vers le rouge, un facteur critique pour les relevés de grande surface mais peu profonds.
Contraintes sur les paramètres HOD : Il dérive des paramètres HOD robustes pour les galaxies Hi à faible décalage vers le rouge et démontre leur stabilité (ou leur absence) à travers différents seuils de densité de flux.

4. Résultats clés

A. Disparités des nombres de détections et du biais

Faible décalage vers le rouge ( $z < 0.5$ ) : Les simulations s'accordent à un facteur de quelques unités. Cependant, à des seuils de flux plus élevés ( $S_{rms} > 50 \mu$ Jy), TNG100 prédit les densités numériques les plus élevées, tandis que S3-SAX prédit les plus faibles.
Fond décalage vers le rouge ( $z > 0.5$ ) : Les écarts deviennent sévères. À $z \sim 1$ , les densités numériques peuvent différer par plusieurs ordres de grandeur entre les simulations.
Biais : Les valeurs de biais montrent une large gamme, en particulier aux décalages vers le rouge élevés et aux seuils de flux élevés, avec des différences atteignant un facteur de 6. TNG100 montre systématiquement un biais plus faible ( $\sim 0,8$ ) à $z < 0,4$ par rapport à S3-SAX et GAEA, probablement en raison de son volume de simulation plus petit.

B. Prévisions cosmologiques

Précision : La configuration AA4 utilisant les prédictions GAEA produit des contraintes sur $H(z)$ et $D_A(z)$ meilleures que 10 % pour $z < 0,5$ , s'améliorant jusqu'à 2–3 % à $z \approx 0,4$ .
Dégradation : À $z > 0,5$ (Bande 1), les contraintes se dégradent considérablement selon la simulation utilisée. Par exemple, la prédiction AA* S3-SAX montre des incertitudes jusqu'à 11 fois plus grandes que le scénario optimal à $z \sim 0,9$ .
Comparaison avec l'optique : Même avec des hypothèses optimistes, les contraintes du SKA-MID sont actuellement inférieures à celles des relevés optiques comme DESI en raison de densités numériques plus faibles et de la variance d'échantillon à faible décalage vers le rouge.

C. Analyse du regroupement et du HOD

Variance d'échantillon : La fonction de corrélation angulaire $w(\theta)$ montre une dispersion significative entre les neuf sous-volumes, en particulier aux grandes séparations angulaires ( $\theta \ge 0,5^\circ$ ), où les variations peuvent atteindre deux ordres de grandeur.
Dépendance au seuil de flux :
- Le terme 2-halo (regroupement à grande échelle) est largement insensible aux seuils de densité de flux, sauf aux très grands angles.
- Le terme 1-halo (regroupement à petite échelle) montre une différence d'un facteur 5 entre les seuils de flux à $\theta \sim 0,2^\circ$ .
Paramètres HOD : Le biais déduit ( $b_{gal}$ ) diminue légèrement ( $\Delta b \approx -0,05$ ) lorsque le seuil de flux augmente d'un ordre de grandeur. Le paramètre $\log M_1$ (masse hébergeant un satellite) augmente avec le seuil de flux, tandis que $\log M_{min}$ et $f_c$ diminuent.
Cohérence : Le biais dérivé du HOD s'accorde avec les prédictions de simulation à environ 20 % près.

5. Importance et conclusion

Cet article établit que, si les prévisions cosmologiques à faible décalage vers le rouge pour le SKA-MID sont relativement robustes au choix de la simulation (limitées principalement par la variance d'échantillon), les prévisions à fort décalage vers le rouge sont hautement sensibles aux incertitudes de modélisation théorique.

Incertitude théorique : La large dispersion des nombres de détections prédits et du biais à $z > 0,5$ implique que les simulations actuelles ne peuvent pas encore fournir de budgets d'erreur précis pour les relevés Hi à fort décalage vers le rouge sans calibration observationnelle.
Stratégie de relevé : Pour atteindre des contraintes cosmologiques inférieures au pourcent, les futurs instruments (par exemple, "SKA2") auront besoin d'une sensibilité nettement plus élevée ( $\lesssim 10 \mu$ Jy) pour accéder à des décalages vers le rouge plus élevés où la variance d'échantillon est moins dominante.
Utilité pratique : Les paramètres HOD dérivés et l'identification de l'insensibilité au seuil de flux dans le terme 2-halo fournissent une base solide pour modéliser le regroupement Hi à faible décalage vers le rouge dans l'intervalle, avant que des données observationnelles à grande échelle ne soient disponibles.

Les auteurs concluent que, si les simulations sont essentielles pour la planification, elles doivent être assorties de marges d'incertitude théorique significatives jusqu'à ce que de nouvelles données de relevé Hi permettent un raffinement des modèles.