Forecast Cosmological Constraints with the 1D Wavelet Scattering Transform and the Lyman-$α$ forest

Problematica
La foresta Lyman-$\alpha$ funge da sonda critica per le strutture a piccola scala, offrendo approfondimenti sulla materia oscura, la massa dei neutrini, la fisica dell'inflazione e la storia termica del mezzo intergalattico (IGM). Tuttavia, estrarre informazioni cosmologiche da questo regime non lineare è complesso. Le attuali analisi basate sullo spettro di potenza del flusso 1D stanno diventando dominate dai sistemi di errore (systematics) in grandi survey come SDSS e DESI. Inoltre, le statistiche di ordine superiore tradizionali, come il bispettro, soffrono di un aumento della varianza e di una ridotta robustezza rispetto agli outlier in distribuzioni altamente non gaussiane. Esiste una dimostrata necessità di nuove statistiche riassuntive capaci di estrarre informazioni non gaussiane dal campo di densità non lineare senza i requisiti di addestramento o i problemi di interpretabilità associati agli approcci di deep learning.

Metodologia
Gli autori propongono l'uso della Trasformata di Scattering Wavelet (WST) 1D come statistica riassuntiva per la cosmologia della foresta Lyman-$\alpha$. La WST è una tecnica di elaborazione del segnale deterministica e matematicamente robusta che convolve il campo di flusso di input con wavelet a valori complessi a diverse scale, seguita da operazioni di modulo e filtraggio passa-basso. Questo processo separa le informazioni attraverso le scale ed estrae statistiche di ordine superiore (fino al secondo ordine in questo studio) che sono stabili contro piccole deformazioni e rumore.

Per prevedere la capacità di vincolo della WST, gli autori hanno utilizzato:

• Simulazioni: Una suite di 10 simulazioni idrodinamiche (utilizzando MP-Gadget) contenenti $2 \times 256^3$ particelle in una scatola di $40 \text{ Mpc}/h$. Da queste, sono stati generati 32.000 spettri di assorbimento Lyman-$\alpha$ a redshift $z=2, 3, 4$.
• Parametri: L'analisi si è concentrata su quattro parametri cosmologici e termici: l'indice spettrale ($n_P$) e l'ampiezza ($A_P$) dello spettro di potenza primordiale, e i parametri termici dell'IGM ($H_A$ e $H_S$).
• Modellazione del Rumore: Il rumore osservativo realistico è stato simulato aggiungendo rumore gaussiano a ciascuno spettro, con il rapporto continuo-rumore (CNR) estratto da una distribuzione log-normale adattata ai dati SDSS DR16Q.
• Framework Statistico: È stata costruita una matrice di informazione di Fisher per stimare i vincoli sui parametri. La matrice di covarianza è stata stimata utilizzando 2.000 realizzazioni di rumore casuale. Gli autori hanno confrontato la informazione di Fisher derivata dai coefficienti WST rispetto a quella dello standard spettro di potenza del flusso 1D.

Contributi Chiave e Risultati
Lo studio dimostra che la WST cattura una quantità significativa di informazione cosmologica non presente nello spettro di potenza del flusso.

• Contenuto Informativo: I coefficienti wavelet di secondo ordine, che sondano l'informazione non gaussiana, contribuiscono con circa il 50% di informazione extra alla matrice di Fisher rispetto ai soli coefficienti di primo ordine.
• Vincoli sui Parametri: La WST fornisce vincoli sostanzialmente più stretti sui parametri cosmologici rispetto allo spettro di potenza. Nello specifico, le incertezze posteriori stimate ($\sigma_X$) per i parametri $n_P$, $A_P$, $H_S$ e $H_A$ sono migliorate di un fattore da 30 a 60 utilizzando i coefficienti WST combinati.
• Riduzione della Dimensionalità: Gli autori stimano che la WST restringa il volume dello spazio dei parametri 4D di un fattore di $10^6$ rispetto allo spettro di potenza.
• Sensibilità: I coefficienti WST sono meno sensibili al flusso medio ($\tau_{\text{eff}}$) rispetto allo spettro di potenza (cambiano di $\sim 2,5\%$ per una variazione del flusso del 10%, contro il $\sim 7\%$ dello spettro di potenza), suggerendo un potenziale riduzione della degenerazione tra $\tau_{\text{eff}}$ e l'ampiezza primordiale $A_P$.
• Dipendenza dal Redshift: Il contenuto informativo raggiunge il picco a $z=3$ per la maggior parte dei parametri, mentre il parametro termico $H_A$ è più vincolato a $z=2$.

Significatività e Rivendicazioni
L'articolo sostiene che la Trasformata di Scattering Wavelet 1D offre un approccio nuovo e potente per estrarre informazioni cosmologiche dalla foresta Lyman-$\alpha$, superando lo spettro di potenza del flusso tradizionale di un ordine di grandezza o più in termini di capacità di vincolo. Gli autori postulano che, se questi miglioramenti si concretizzassero nei prossimi dati del Dark Energy Spectroscopic Instrument (DESI), la WST potrebbe consentire:

• Vincoli sulla corsa dell'inflazione ($\alpha_s$) sufficienti a testare i comuni modelli inflazionistici che predicono $\alpha_s = -6 \times 10^{-4}$.
• Vincoli sulla massa dei neutrini migliorati a tal punto da ottenere una rilevazione a $5\sigma$ della massa minima dei neutrini.

Gli autori rimangono modesti riguardo alle attuali limitazioni della loro previsione, notando che l'approccio della matrice di Fisher trascura le degenerazioni tra i parametri e che la piccola dimensione della scatola di simulazione probabilmente porta a previsioni pessimistiche per l'indice spettrale $n_P$. Essi riconoscono che un'analisi completa della verosimiglianza (likelihood) e un trattamento robusto degli errori sistematici (come il fitting del continuo) sono passi futuri necessari prima di applicare questi metodi ai dati reali di DESI. Tuttavia, il lavoro stabilisce che la WST preserva significativamente più informazione rispetto allo spettro di potenza, aprendo la possibilità di migliorare i vincoli sui parametri di diversi ordini di grandezza.