Fast and accurate Gaia-unWISE quasar mock catalogs from LPT and Eulerian bias

Titolo: Cataloghi Mock Quasar Gaia-unWISE (Quaia) veloci e accurati tramite LPT e Bias di Eulero

1. Il Problema

Nell'era della cosmologia di precisione, le campagne osservative su larga scala (come DESI, Euclid, LSST) stanno producendo dataset fotometrici e spettroscopici senza precedenti. Tra i traccianti cosmologici, i quasar (QSO) sono fondamentali per studiare la struttura su larga scala grazie alla loro luminosità intrinseca e all'ampio intervallo di redshift coperto ($z \sim 0 - 4$).

Tuttavia, per sfruttare appieno dati come il Catalogo Quasar Gaia-unWISE (Quaia), è necessario disporre di cataloghi "mock" (simulati) estremamente accurati per:

• Stimare le matrici di covarianza.
• Testare le pipeline di analisi contro le sistematiche osservative.
• Validare nuove tecniche analitiche.

Le sfide principali nella generazione di mock per Quaia sono:

1. Volume e Copertura: Il catalogo copre l'intero cielo fino a $z \sim 4$, richiedendo volumi cosmici enormi ($V \approx (10 \, h^{-1} \text{Gpc})^3$).
2. Evoluzione del Redshift: È necessaria un'evoluzione fluida del campo di materia oscura da $z=0$ a $z \sim 4$ per modellare correttamente l'evoluzione del bias e le statistiche di clustering, evitando l'uso di singoli "snapshot".
3. Collegamento Materia Oscura-Quasar: È necessario un modello di bias accurato che colleghi il campo di materia oscura alla distribuzione dei quasar, calibrato su simulazioni N-body di alta fedeltà.
4. Vincoli Computazionali: L'uso di mesh grossolane ($l \sim 5.5 \, h^{-1} \text{Mpc}$) per gestire volumi così grandi richiede modelli di sottogriglia (subgrid) sofisticati per posizionare correttamente i quasar e gestire le distorsioni dello spazio delle redshift (RSD).
5. Sistematiche Osservative: I mock devono replicare le imperfezioni reali di Quaia (incertezze fotometriche, funzione di selezione angolare, distribuzione $n(z)$).

2. Metodologia

Gli autori presentano un flusso di lavoro end-to-end per generare 100 realizzazioni di cataloghi mock full-sky. La procedura si articola in diverse fasi chiave:

• Campi di Materia Oscura (Lightcone):

  • Utilizzo del codice WebON che implementa la Teoria delle Perturbazioni Lagrangiane Aumentata (ALPT).
  • Generazione di campi di materia oscura su lightcone con evoluzione redshift fluida ($z=0 \dots 4$) su una mesh di $1800^3$ celle.
  • L'ALPT combina componenti a lungo raggio (2LPT filtrato) e a corto raggio (modello di collasso sferico) per catturare la fisica non lineare.

• Calibrazione del Modello di Bias (Hicobian):

  • Adozione di un nuovo schema di bias non lineare, non locale e stocastico gerarchico chiamato Hicobian.
  • Classificazione gerarchica dell'ambiente cosmico (T-web e D-web) in 16 ambienti diversi (nodi, filamenti, fogli, vuoti) basata sugli autovalori del tensore di marea e della curvatura.
  • Calibrazione dei parametri del bias su cataloghi di riferimento QSO generati tramite HOD (Halo Occupation Distribution) applicato alle simulazioni AbacusSummit (tuneate sui dati DESI Early Data Release).
  • Il modello include termini non locali, bias stocastico (distribuzione binomiale negativa) e bias di soglia (threshold bias).

• Assegnazione delle Posizioni e RSD:

  • Subgrid Model: Assegnazione delle posizioni dei quasar all'interno delle celle basata sulle posizioni delle particelle di materia oscura esistenti (evitando campionamento puramente casuale).
  • Distorsioni dello Spazio delle Redshift (RSD): Applicazione di un modello di velocità che combina flussi coerenti su larga scala e dispersione su piccola scala (modelli "fingers-of-god"), con una trasformazione non lineare aggiuntiva per migliorare la coda ad alta velocità.

• Iniezione delle Sistematiche Osservative (Quaia-like):

  • Una volta ottenuti cataloghi "spettroscopici" puliti, vengono iniettate le sistematiche reali di Quaia:
    1. Incertezze sulle redshift spettrofotometriche ($\Delta z$).
    2. Funzione di selezione angolare (maschera del cielo, esclusione del piano galattico).
    3. Distribuzione dei conteggi in redshift $n(z)$ osservata.

3. Contributi Chiave

• Cataloghi Mock Completi: Pubblicazione di 100 cataloghi mock full-sky con evoluzione redshift fluida da $z=0$ a $z \sim 4$, specificamente tarati per il catalogo Quaia (campioni $G < 20.5$ e $G < 20$).
• Nuovo Modello di Bias (Hicobian): Implementazione e calibrazione di uno schema di bias gerarchico non locale che migliora la precisione delle statistiche su piccola scala rispetto ai modelli locali tradizionali.
• Pipeline End-to-End: Un approccio integrato che parte dalle condizioni iniziali, passa attraverso la calibrazione su simulazioni N-body di alta fedeltà (Abacus/DESI), e termina con l'iniezione realistica delle sistematiche osservative.
• Validazione Estensiva: Confronto dettagliato tra mock e dati reali su molteplici statistiche di sintesi.
• Disponibilità Pubblica: I cataloghi sono resi disponibili alla comunità scientifica su Zenodo.

4. Risultati

Gli autori hanno validato i cataloghi confrontando diverse statistiche di sintesi con i dati reali di Quaia:

• Mappe Full-Sky: Le mappe di conteggio dei quasar mostrano una struttura a "rete cosmica" qualitativamente e quantitativamente simile a quella osservata.
• Distribuzioni di Redshift: La distribuzione $n(z)$ e le distribuzioni di errore $\Delta z(z)$ sono riprodotte con eccellente accordo.
• Funzione di Correlazione a Due Punti ($w(\theta)$): I mock mostrano un accordo eccellente con i dati di Quaia su tutte le scale angolari proiettate. Una piccola deviazione ($< 2\sigma$) è stata notata a scale angolari molto piccole ($\theta \lesssim 0.3^\circ$), attribuibile alla modellazione del sottogriglia, ma considerata irrilevante per le analisi previste su Quaia.
• Spettri di Potenza Angolare ($C_\ell$): L'accordo tra le medie dei 100 mock e i dati di Quaia è eccellente. Le matrici di covarianza normalizzate risultano ben comportate (positive definite) e prive di strutture anomale.
• Impatto delle Sistematiche:
  • L'uso della funzione di selezione angolare ha un impatto trascurabile sul clustering per $\ell \gtrsim 50$.
  • L'uso di redshift spettrofotometrici invece di quelli spettroscopici non altera significativamente gli spettri di potenza angolare.
• Calibrazione del Bias: È stato necessario un aggiustamento ("fine-tuning") del parametro di bias ($\alpha$) per passare dalla calibrazione su DESI alla riproduzione del clustering di Quaia, confermando che i campioni Quaia hanno un bias maggiore (essendo tagliati a magnitudini più luminose).

5. Significato

Questo lavoro fornisce uno strumento fondamentale per l'analisi cosmologica del catalogo Quaia.

• Affidabilità: La capacità di riprodurre con alta precisione le statistiche osservate e le matrici di covarianza rende questi mock ideali per la stima degli errori cosmologici e per testare la robustezza delle analisi.
• Versatilità: La metodologia basata su lightcone e bias gerarchico può essere applicata ad altri traccianti (galassie, Lyman-$\alpha$) e futuri survey.
• Futuri Studi: I cataloghi permetteranno di studiare l'impatto delle sistematiche osservative, la rilevabilità del segnale BAO (Oscillazioni Acustiche Barioniche) da Quaia e l'applicazione di tecniche di ricostruzione del campo di densità.
• Risorsa Pubblica: La pubblicazione dei dati permette alla comunità di utilizzare immediatamente questi mock per validare i propri codici di analisi prima dell'uso dei dati reali.

In sintesi, il paper risolve il problema della generazione rapida ma accurata di mock su larga scala per survey di quasar complessi, ponendo le basi per analisi cosmologiche di precisione con i dati di Gaia-unWISE.