Euclid preparation. LXXXV. Toward a DR1 application of higher-order weak lensing statistics

Titolo: Euclid Preparation LXXXV: Verso un'applicazione delle statistiche di ordine superiore del lensing debole per il primo rilascio dati (DR1)

1. Il Problema e il Contesto

L'espansione accelerata dell'universo e le tensioni cosmologiche attuali richiedono misurazioni di precisione dei parametri cosmologici (CP), in particolare la densità di materia ($\Omega_m$), le fluttuazioni di materia ($\sigma_8$) e l'equazione di stato dell'energia oscura ($w_0$).
Le analisi tradizionali del weak lensing (WL) si basano su statistiche a due punti (funzioni di correlazione, $\gamma$-2PCF), che catturano esclusivamente le proprietà gaussiane del campo di lensing (fino al secondo momento). Tuttavia, l'evoluzione non lineare della materia su piccole scale introduce caratteristiche non gaussiane (skewness, kurtosis) che le statistiche a due punti non riescono a codificare.
Il progetto HOWLS (Higher-Order Weak Lensing Statistics) dell'Euclid Collaboration mira a sfruttare queste informazioni non gaussiane per migliorare l'inferenza cosmologica. Questo lavoro (Paper II) rappresenta un passo fondamentale verso l'applicazione di queste tecniche ai dati reali del primo rilascio dati (DR1) di Euclid, superando le limitazioni del precedente studio (Paper I) che si basava su simulazioni non tomografiche e su un piano parametrico diverso.

2. Metodologia

Gli autori hanno sviluppato un'analisi completa e realistica basata su un vasto set di dati simulati e su un formalismo di previsione (Fisher forecast).

• Simulazioni e Mock:

  • Utilizzo delle simulazioni SLICS (924 run indipendenti) per stimare la matrice di covarianza dei dati.
  • Utilizzo delle simulazioni DUSTGRAIN-pathfinder (con variazioni di $\Omega_m$, $\sigma_8$, $w_0$) per stimare le derivate numeriche necessarie al calcolo della matrice di Fisher.
  • Creazione di cataloghi di galassie realistici ("mocks") basati sulla simulazione Flagship di Euclid, includendo redshift fotometrici realistici e distribuzioni di densità galattica tipiche del DR1 (configurazioni "ottimistiche" e "pessimistiche").
  • Inclusione di maschere realistiche basate sulle stelle del catalogo Gaia (DR2), che coprono circa il 5% dell'area osservata.

• Statistiche Analizzate:
  Sono state valutate cinque statistiche di ordine superiore (HOS) che soddisfano l'approssimazione di verosimiglianza gaussiana richiesta dal formalismo di Fisher:

  1. PDF (Funzione di densità di probabilità a un punto).
  2. $\ell_1$-norm (Norma L1 del campo).
  3. Peak counts (Conteggi dei picchi).
  4. MFs (Funzionali di Minkowski).
  5. BNs (Numeri di Betti).
     Nota: Altre statistiche (momenti di ordine superiore, omologia persistente, scattering transforms) sono state escluse in questa fase perché non soddisfano l'assunzione di gaussianità.

• Ricostruzione delle Mappe di Massa:
  Le statistiche sono state calcolate su mappe di convergenza ricostruite da tre algoritmi ufficiali del pipeline Euclid:

  • Kaiser-Squires (KS): Inversione standard nello spazio di Fourier.
  • Aperture Mass (APM): Ricostruzione locale tramite filtri compensati.
  • Kaiser-Squires+ (KS+): Inversione KS con inpainting (riempimento) delle zone mascherate basato sulla sparsità.

• Analisi Tomografica e Multi-scala:

  • Implementazione di un'analisi tomografica su 5 bin di redshift fotometrico ($0.2 \le z_{ph} \le 2.5$).
  • Utilizzo di un algoritmo "greedy" per selezionare la combinazione ottimale di bin di redshift e scale di smoothing (2.34', 4.68', 9.38') che massimizza l'informazione cosmologica minimizzando la ridondanza.
  • Test della trasformazione BNT (Bernardeau-Nishimichi-Taruya) per disaccoppiare le scale fisiche e mitigare gli effetti di feedback barionico, confrontando l'approccio standard con una variante di "BNT smoothing".

• Formalismo di Fisher:
  Calcolo delle previsioni di precisione sui parametri $(\sigma_8, w_0)$, con attenzione alla stabilità numerica (condizionamento della matrice) e alla validità dell'assunzione di gaussianità (test SMAPE).

3. Risultati Chiave

• Superiorità delle Statistiche HOS:
  Tutte e cinque le statistiche HOS analizzate superano le funzioni di correlazione a due punti ($\gamma$-2PCF) di un fattore 2.5 nella previsione della precisione su $w_0$. Questo miglioramento è ottenuto anche quando le HOS sono combinate con i due punti, suggerendo che ogni HOS è in grado di recuperare sia l'informazione gaussiana che quella non gaussiana del campo di densità.

  • I guadagni sulla precisione sono: 33-50% su $\sigma_8$ e 50-64% su $w_0$ rispetto ai due punti.

• Performance Comparativa delle Statistiche:

  • Le statistiche a un punto (PDF e $\ell_1$-norm) e quelle topologiche (MFs, BNs, Peaks) mostrano prestazioni comparabili.
  • La PDF si rivela leggermente più efficiente nell'estrazione di informazioni, richiedendo vettori di dati più brevi.
  • I Funzionali di Minkowski (MFs) offrono i vincoli più stretti su $\sigma_8$, mentre i Numeri di Betti (BNs) sono leggermente superiori su $w_0$.
  • La combinazione di più HOS non ha portato a miglioramenti significativi nel piano $(\sigma_8, w_0)$ a causa di forti correlazioni e problemi di condizionamento numerico, sebbene si ipotizzi un potenziale maggiore in un framework MCMC completo.

• Impatto delle Tecniche di Ricostruzione e Mascheratura:

  • Le tre tecniche di mappatura (KS, APM, KS+) mostrano prestazioni simili (differenze < 10%), entro i limiti di incertezza numerica.
  • KS+ riduce efficacemente la "leakage" (perdita di segnale) dovuta alle maschere e ai pixel vuoti, ma introduce pixel correlati rumorosi che degradano leggermente i vincoli finali rispetto al KS standard. Il KS rimane più adatto per analisi basate su simulazioni per il suo basso costo computazionale.
  • L'effetto delle maschere (stelle) riduce la potenza statistica in modo proporzionale all'area mascherata, senza alterare significativamente la direzione di degenerazione dei parametri.

• Risultati sulla Trasformazione BNT:
  L'applicazione standard della trasformazione BNT degrada le prestazioni delle HOS a causa della propagazione del rumore di forma (shape noise) che "gaussianizza" le mappe, cancellando l'informazione non gaussiana. Tuttavia, l'approccio "BNT smoothing" (filtraggio delle mappe trasformate prima della combinazione) riesce a mitigare questo problema, preservando i vantaggi del taglio delle scale fisiche senza perdere precisione.

• Analisi Tomografica Ottimizzata:
  L'uso di bin combinati (merged bins) e la selezione greedy dei bin riducono la dimensionalità del vettore dati mantenendo quasi intatta l'informazione cosmologica (perdita < 10%), rendendo l'analisi più robusta e computazionalmente efficiente.

4. Contributi Principali

1. Transizione al DR1: Primo studio che applica le statistiche HOS a un setup realistico simile al DR1 di Euclid, includendo redshift fotometrici realistici, maschere stellari e diverse tecniche di mappatura di massa.
2. Validazione delle HOS: Conferma definitiva che le statistiche non gaussiane offrono un guadagno sostanziale (fattore 2.5) rispetto alle analisi standard per la misura di $w_0$.
3. Ottimizzazione Tomografica: Sviluppo di uno schema iterativo per selezionare i bin di redshift ottimali, dimostrando che una combinazione intelligente di bin riduce la ridondanza senza perdita significativa di informazione.
4. Valutazione BNT: Identificazione dei limiti della trasformazione BNT standard per le HOS e proposta della variante "BNT smoothing" come soluzione promettente per future analisi che richiedono tagli fisici sulle scale.
5. Confronto Algoritmi: Analisi comparativa dettagliata di KS, APM e KS+ in presenza di maschere reali, fornendo linee guida per il pipeline di elaborazione dati di Euclid.

5. Significato e Prospettive Future

Questo lavoro dimostra che l'adozione delle statistiche di ordine superiore è cruciale per massimizzare il potenziale scientifico della missione Euclid, specialmente per la caratterizzazione dell'energia oscura. Nonostante le limitazioni imposte dal formalismo di Fisher (assunzione di gaussianità, problemi di condizionamento numerico) e l'assenza di alcuni sistematici complessi (come il feedback barionico completo), i risultati sono robusti.

Le conclusioni indicano che:

• Le HOS non sono solo complementari ai due punti, ma ne sostituiscono efficacemente il potere informativo in termini di vincoli sui parametri.
• L'approccio "BNT smoothing" apre la strada all'uso sicuro delle HOS su scale piccole, dove gli effetti fisici non lineari sono dominanti.
• Il prossimo passo naturale è l'implementazione di un'analisi MCMC (Markov Chain Monte Carlo) che possa gestire distribuzioni di verosimiglianza non gaussiane e combinare simultaneamente tutte le statistiche HOS, superando le limitazioni di condizionamento osservate in questo studio.

In sintesi, il paper fornisce le basi metodologiche solide per l'analisi dei dati reali di Euclid, confermando che l'uso delle statistiche non gaussiane sarà un pilastro fondamentale per la cosmologia di precisione del futuro.