Fast Baryonic Field Painting for Sunyaev-Zel'dovich Analyses: Transfer Function vs. Hybrid Effective Field Theory

Sintesi Tecnica: Pittura Rapida di Campi Barionici per Analisi dello Effetto Sunyaev-Zel'dovich

Enunciato del Problema
Comprendere la distribuzione della materia barionica è fondamentale per validare i modelli cosmologici, eppure le osservazioni a tempi tardivi tengono conto solo di una frazione dell'abbondanza barionica prevista. Gli effetti Sunyaev-Zel'dovich (SZ) — specificamente gli effetti termico (tSZ) e cinematico (kSZ) — fungono da sonde primarie per mappare questo contenuto barionico. Sebbene le simulazioni idrodinamiche a fisica completa (ad esempio, IllustrisTNG) possano modellare accuratamente questi effetti, esse sono computazionalmente proibitive, richiedendo spesso milioni di ore di CPU e mancando del volume statistico necessario per un'inferenza cosmologica robusta. Al contrario, le simulazioni N-body che considerano solo la materia oscura sono veloci e accurate, ma mancano della fisica barionica. La sfida consiste nello sviluppare metodi computazionalmente efficienti per "dipingere" le proprietà barioniche, specificamente l'otticità ($\tau$) e i parametri di Compton-$y$, su simulazioni che considerano solo la materia oscura, al fine di facilitare future analisi SZ.

Metodologia
Gli autori valutano due distinti metodi di ricostruzione a livello di campo utilizzando la suite di simulazioni MillenniumTNG come benchmark, addestrata sulla suite CAMELS (Cosmology and Astrophysics with MachinE Learning Simulations).

1. Emulatore della Funzione di Trasferimento a Processo Gaussiano (GP):
   Questo approccio modella la relazione tra il campo di sovradensità della materia oscura ($\delta_m$) e il campo barionico target ($\delta_b$) tramite una funzione di trasferimento $T(k) = \sqrt{P_b(k)/P_m(k)}$. Poiché la vera funzione di trasferimento è sconosciuta per nuove simulazioni, gli autori impiegano un emulatore a Processo Gaussiano addestrato sulla suite CAMELS IllustrisTNG. L'emulatore predice la funzione di trasferimento basandosi sui parametri cosmologici ($\Omega_m, \sigma_8$) e sui parametri di feedback astrofisico. Per l'applicazione a MillenniumTNG, i parametri astrofisici sono trattati come parametri di disturbo (nuisance parameters) e ottimizzati tramite evoluzione differenziale per corrispondere alla funzione di trasferimento target.

2. Teoria dei Campi Effettivi Ibrida (HEFT):
   Questo metodo combina la Teoria delle Perturbazioni Lagrangiane (LPT) con simulazioni numeriche. Tratta i barioni come traccianti distorti (biased tracers) del campo di densità lagrangiana iniziale. La ricostruzione prevede l'avvezione delle condizioni iniziali in avanti nel tempo utilizzando campi di spostamento derivati dalle simulazioni e l'applicazione di un'espansione di bias. Gli autori testano sia i fit di bias indipendenti dalla scala che quelli dipendenti dalla scala.

3. HEFT Estesa (E-HEFT):
   Come sintesi dei due approcci, gli autori propongono un'estensione in cui il campo della materia oscura ($\delta_m$) stesso è trattato come un termine di bias nell'espansione, piuttosto che come semplice base. Ciò consente un fit a livello di campo della componente $\delta_m$, sintetizzando efficacemente la teoria delle perturbazioni lagrangiana con il fit del bias Euleriano.

Contributi Chiave e Risultati
Lo studio confronta questi metodi rispetto ai veri campi $\tau$ e Compton-$y$ in MillenniumTNG utilizzando coefficienti di cross-correlazione, spettri di potenza e metriche dell'errore dello spettro di potenza.

• Ricostruzione dell'Otticità ($\tau$):
  Il campo $\tau$ mostra un'alta correlazione iniziale con il campo della materia oscura ($r \approx 1$). In questo regime, il metodo della Funzione di Trasferimento fornisce le ricostruzioni più accurate, replicando con successo lo spettro di potenza fino alla frequenza di Nyquist ($k \approx 6.78 \, h/\text{Mpc}$), con un errore di un ordine di grandezza inferiore rispetto ai metodi HEFT. I metodi HEFT, pur essendo in grado di far corrispondere gli spettri di potenza, degradano il coefficiente di cross-correlazione alle piccole scale rispetto all'approccio della funzione di trasferimento. Il metodo E-HEFT migliora leggermente il metodo HEFT standard, ma non supera la funzione di trasferimento per questo campo altamente correlato.

• Ricostruzione del Compton-$y$:
  Il campo Compton-$y$ ha una correlazione iniziale più debole con la materia oscura ($r \sim 0.5$). In questo caso, il metodo della Funzione di Trasferimento performa in modo sub-ottimale perché non può potenziare la cross-correlazione tra campi non correlati; esso si limita a scalare la correlazione esistente. Al contrario, l'approccio HEFT si dimostra superiore, aumentando il coefficiente di cross-correlazione del 10–15% pur mantenendo l'accuratezza dello spettro di potenza. La variante HEFT indipendente dalla scala raggiunge questo risultato con soli quattro parametri di bias liberi. Il metodo E-HEFT offre le migliori prestazioni complessive per questo campo, migliorando significativamente la cross-correlazione fino alla frequenza di Nyquist della box.

• Cross-Correlazioni degli Aloni:
  Entrambi i metodi riproducono generalmente bene la cross-correlazione tra i campi ricostruiti e gli aloni di materia oscura alle grandi scale ($k < 1 \, h/\text{Mpc}$). Tuttavia, le discrepanze aumentano alle piccole scale. Il campo Compton-$y$ mostra deviazioni maggiori dal valore reale nelle cross-correlazioni degli aloni rispetto a $\tau$, suggerendo che la sola materia oscura sia insufficiente per catturare completamente la distribuzione di Compton-$y$, specialmente per aloni di alta massa.

Significatività e Conclusioni
Il documento dimostra che la ricostruzione rapida a livello di campo degli osservabili SZ è fattibile con un'elevata efficienza computazionale. Gli autori concludono che la scelta del metodo dipende dalla correlazione intrinseca tra i campi della materia oscura e il target barionico:

• Per i campi altamente correlati (come l'otticità), il metodo dell'emulatore della Funzione di Trasferimento è il preferito, poiché preserva alte cross-correlazioni e minimizza gli errori dello spettro di potenza.
• Per i campi debolmente correlati (come il Compton-$y$), il framework HEFT è più efficace, poiché può potenziare attivamente le correlazioni attraverso il fit del bias.
• L'E-HEFT (HEFT Estesa) funge da robusta sintesi, offrendo prestazioni migliorate per entrambi i regimi incorporando il campo della materia oscura come termine di bias.

Gli autori osservano che, sebbene questi metodi siano promettenti, i miglioramenti futuri potrebbero prevedere l'integrazione di modelli generativi di machine learning (come i modelli di diffusione) per affrontare le correlazioni su piccola scala che gli attuali approcci perturbativi o di funzione di trasferimento potrebbero perdere. Questo lavoro stabilisce le fondamenta per l'uso di simulazioni N-body veloci per modellare gli effetti del feedback barionico per le imminenti survey SZ.