Euclid: Exploring observational systematics in cluster cosmology -- a comprehensive analysis of cluster counts and clustering

Sintesi Tecnica: Euclid: Esplorazione degli effetti sistematici nella cosmologia degli ammassi

Enunciato del Problema
Gli ammassi di galassie fungono da sonde cosmologiche critiche per vincolare il parametro di densità della materia ($\Omega_m$) e l'ampiezza delle fluttuazioni di densità ($\sigma_8$). Sebbene le analisi tradizionali si basino sui conteggi degli ammassi, la distribuzione spaziale degli ammassi (clustering) offre informazioni complementari per rompere le degenerazioni nei parametri cosmologici e nelle relazioni massa-osservabile. Tuttavia, la prossima missione Euclid, che mira a mappare $\sim 10^5$ ammassi fino a $z=2$, richiede un'accuratezza sub-percentuale. Una sfida maggiore risiede nella caratterizzazione dell'impatto degli effetti sistematici osservativi e di modellazione — in particolare le incertezze sul redshift fotometrico (photo-$z$) e le distorsioni nello spazio delle redshift (RSD) — sia sui conteggi degli ammassi che sulle statistiche di clustering, nonché sulle loro matrici di covarianza. Inoltre, la necessità di combinare queste sonde per massimizzare il potere vincolante richiede una comprensione rigorosa delle loro cross-correlazioni e della dipendenza delle matrici di covarianza dalla cosmologia.

Metodologia
Gli autori utilizzano un framework basato su 1.000 cataloghi di coni di luce simili a Euclid, generati mediante il codice PINOCCHIO (impiegando la teoria delle perturbazioni lagrangiane del terzo ordine e il collasso ellissoidale). Queste simulazioni coprono un'area di cielo di 10.313 deg$^2$ e redshift da $z=0$ a $2.5$, contenenti circa $10^5$ aloni per catalogo con $M_{vir} \ge 10^{13.5} h^{-1} M_{\odot}$.

Lo studio impiega i seguenti passaggi metodologici:

1. Modellizzazione Teorica: Gli autori modellano i conteggi degli ammassi e il monopolo della funzione di correlazione a 2 punti (2PCF), incorporando gli effetti degli errori photo-$z$ (modellati come dispersione gaussiana), delle RSD (effetto Kaiser), della risonumazione infrarossa (IR) per lo smorzamento BAO e delle distorsioni geometriche (GD). Modellano inoltre la massa media di lensing debole come sonda di supporto per rompere le degenerazioni nelle relazioni di scala.
2. Analisi della Covarianza: Le covarianze numeriche sono calcolate direttamente dai 1.000 mock. Queste vengono confrontate con modelli semi-analitici (adattati da Fumagalli et al. 2021 e Euclid Collaboration: Fumagalli et al. 2024) per validare il trattamento del rumore di shot, della varianza del campione e delle cross-correlazioni.
3. Analisi di Verosimiglianza: Viene eseguita un'inferenza bayesiana utilizzando PolyChord per esplorare le distribuzioni a posteriori di $\Omega_m$, $\sigma_8$ e quattro parametri della relazione massa-osservabile. L'analisi valuta il Figure of Merit (FoM) e l'Indice di Incoerenza (IoI) attraverso varie combinazioni di sonde (conteggi, clustering, lensing debole) e configurazioni sistematiche.
4. Test dei Sistemi: L'impatto della negligenza di specifici sistemi (ad es. RSD, errori photo-$z$) nella modellazione sia delle statistiche che delle loro matrici di covarianza è quantificato confrontando i risultati con una linea di base di "modello completo".

Contributi e Risultati Chiave

• Indipendenza delle Sonde: L'analisi conferma che i conteggi degli ammassi e il clustering degli ammassi sono osservabili effettivamente non correlati. Il coefficiente di correlazione di Pearson tra i loro residui di log-verosimiglianza è $\rho = -0.011 \pm 0.031$, coerente con zero. Questa indipendenza deriva dal fatto che i conteggi misurano la densità numerica comovibile media, mentre il clustering misura le fluttuazioni attorno a tale media.
• Potere Vincolante della Combinazione: La combinazione del clustering degli ammassi con i conteggi migliora significativamente i vincoli cosmologici. Il FoM aumenta di oltre il 300% rispetto ai soli conteggi. La combinazione di tutte e tre le sonde (conteggi, clustering e massa di lensing debole) produce i vincoli più stretti e accurati, con l'analisi a sonda completa meno suscettibile agli effetti del volume a priori rispetto alle combinazioni a due sonde.
• Impatto delle Incertezze Photo-$z$: Gli errori sul redshift fotometrico sono l'effetto sistematico dominante. Un'incertezza ottimistica ($\sigma_{z0} = 0.005$) allarga le distribuzioni a posteriori di meno del 10%, mentre un'incertezza più realistica ($\sigma_{z0} = 0.01$) le allarga del 20–30%. Gli errori photo-$z$ riducono inoltre significativamente la varianza del campione nella covarianza dei conteggi.
• Impatto delle Distorsioni Secondarie: Sebbene RSD, risonumazione IR e distorsioni geometriche abbiano un impatto minore sul FoM (5% per il clustering da solo, ~10% per la combinazione completa) rispetto agli errori photo-$z$, trascurare le RSD introduce un bias significativo (spostamento di $\sim 2\sigma$) nelle distribuzioni a posteriori $\Omega_m$–$\sigma_8$.
• Dipendenza dalla Scala: I dati di clustering a scale inferiori a $60 h^{-1}$ Mpc forniscono un potere vincolante aggiuntivo, mentre scale superiori alla scala delle oscillazioni acustiche ($>130 h^{-1}$ Mpc) aggiungono informazioni trascurabili su $\Omega_m$ e $\sigma_8$.
• Modellizzazione della Covarianza: Lo studio dimostra che trascurare gli effetti RSD e photo-$z$ nella covarianza dei conteggi porta a una sottostima del 10–20% dell'ampiezza a posteriori. Gli autori propongono un modello di spettro di potenza efficace (sommando termini di monopolo e quadrupolo) che cattura accuratamente la covarianza del campione senza il costo computazionale della modellazione anisotropa completa.
• Covarianza Dipendente dalla Cosmologia: L'uso di una matrice di covarianza dipendente dalla cosmologia migliora i vincoli di clustering di circa il 40%. Tuttavia, quando i conteggi sono combinati con il clustering, questo guadagno aggiuntivo svanisce, suggerendo che i conteggi degli ammassi già racchiudono le informazioni codificate nella dipendenza cosmologica della covarianza del clustering.

Significato
Il documento stabilisce un framework robusto per l'analisi congiunta di conteggi e clustering degli ammassi per la missione Euclid. Evidenzia che, sebbene la combinazione di queste sonde migliori drasticamente i vincoli cosmologici, aumenta simultaneamente la sensibilità agli effetti sistematici. Il lavoro sottolinea la necessità di modellare accuratamente le incertezze photo-$z$ e le RSD non solo nelle statistiche stesse, ma anche all'interno delle matrici di covarianza per evitare vincoli distorti. Validando l'indipendenza tra conteggi e clustering e dimostrando l'efficacia dell'approccio combinato, lo studio fornisce prescrizioni essenziali per massimizzare il ritorno scientifico della cosmologia degli ammassi di Euclid, avvertendo al contempo che vincoli più stretti derivanti da analisi combinate richiedono un controllo sistematico ancora più rigoroso rispetto alle analisi a sonda singola.