Euclid preparation: LXXXVII. Non-Gaussianity of 2-point statistics likelihood: Precise analysis of the matter power spectrum distribution

Titolo e Contesto

Titolo: Non-Gaussianità della verosimiglianza delle statistiche a due punti: Analisi precisa della distribuzione dello spettro di potenza della materia.
Contesto: Il lavoro è parte della preparazione per la missione spaziale Euclid dell'ESA. L'obiettivo è valutare la validità dell'assunzione di una distribuzione Gaussiana per la verosimiglianza (likelihood) delle statistiche a due punti (in particolare lo spettro di potenza della materia), un presupposto fondamentale per l'estrazione di parametri cosmologici dai dati di sondaggi su larga scala.

1. Il Problema

Nell'analisi cosmologica moderna, l'informazione viene estratta dalle statistiche a due punti (funzione di correlazione nello spazio reale o spettro di potenza nello spazio delle frequenze). Per modellare la funzione di verosimiglianza, si assume comunemente che la distribuzione dei dati segua una distribuzione Gaussiana multivariata.
Tuttavia, il campo di densità della materia diventa non-Gaussiano a causa dell'aggregazione non lineare (clustering) su scale intermedie e piccole. Le conseguenze di questa non-Gaussianità includono:

• Contributi non-Gaussiani alla matrice di covarianza (derivanti dalla funzione di correlazione a quattro punti, o trispettro).
• Momenti di ordine superiore non nulli (skewness/assimetria e kurtosis) nella distribuzione delle statistiche a due punti.
• Il rischio che un'assunzione Gaussiana errata possa introdurre bias significativi nella stima dei parametri cosmologici, specialmente con la precisione richiesta da Euclid.

2. Metodologia

Per investigare queste deviazioni, gli autori hanno adottato un approccio ibrido che combina un quadro analitico rigoroso con simulazioni numeriche su larga scala.

• Simulazioni (COVMOS):

  • Sono state generate 100.000 realizzazioni di campi di densità di materia oscura utilizzando il metodo COVMOS (Baratta et al. 2020, 2023).
  • Questo metodo è un generatore di cataloghi approssimati che permette di impostare arbitrariamente lo spettro di potenza, la PDF a un punto e lo spettro di velocità, evitando il costo computazionale proibitivo delle simulazioni N-body per un numero così elevato di realizzazioni.
  • Le simulazioni coprono diversi modelli cosmologici ($\Lambda$CDM, neutrini massivi, energia oscura dinamica) e redshift ($z = 0, 0.5, 1, 1.5, 2$), sia nello spazio reale che in quello redshift.
  • La validazione del metodo COVMOS è stata confermata confrontando i risultati con simulazioni N-body ad alta precisione (DEUS-PUR).

• Quadro Analitico:

  • Gli autori hanno derivato espressioni analitiche per i momenti cumulanti (media, varianza, skewness, kurtosis) degli stimatori dello spettro di potenza multipolare.
  • La skewness ridotta ($S_3$) è stata espressa in termini di funzioni di correlazione di ordine superiore del campo di densità: bispettro, trispettro e pentaspettro.
  • Sono stati analizzati gli effetti di diverse impostazioni dello stimatore (aliasing, schemi di assegnazione della massa, dimensionamento dei bin di Fourier) e delle caratteristiche del sondaggio (densità campionaria, finestra di osservazione/mask).

3. Risultati Chiave

A. Natura della Non-Gaussianità

• Deviazione dalla Gaussiana: La distribuzione dello spettro di potenza stimato devia significativamente dall'assunzione Gaussiana, specialmente su scale non lineari ($k > 0.1 \, h/\text{Mpc}$) e a basso redshift ($z=0$).
• Dominanza del Pentaspettro: L'analisi dei termini che contribuiscono alla skewness rivela che:
  • Il contributo del bispettro è trascurabile a causa delle restrizioni geometriche sulle configurazioni triangolari nello shell di Fourier.
  • Su scale intermedie, la skewness è dominata dal contributo del trispettro (legato alla covarianza non-Gaussiana).
  • Su scale piccole (non lineari), il contributo dominante è il pentaspettro.
• Spazio Redshift vs Reale: La presenza di distorsioni di spazio redshift (RSD) trasferisce l'eccesso di skewness dal monopolo ai multipoli (quadrupolo ed esadecapolo), ma riduce l'ampiezza complessiva della skewness di un fattore circa 10 rispetto allo spazio reale.

B. Effetti delle Impostazioni dello Stimatore e del Sondaggio

• Bin di Fourier (Binning): L'aumento della larghezza dei bin di Fourier ($\Delta k$) aumenta la skewness eccessiva (fino al 66% su scale intermedie), poiché integra più modi correlati e aumenta il peso delle statistiche di ordine superiore.
• Rumore di Shot (Shot Noise): Un aumento del rumore di shot (dovuto a una bassa densità di galassie) tende a sopprimere la skewness eccessiva. Quando il segnale è dominato dal rumore di shot, la distribuzione tende a comportarsi come una distribuzione di Poisson, riducendo l'assimmetria. Per le densità previste da Euclid, la skewness è ridotta di circa il 50% sulle scale più colpite.
• Finestra di Sondaggio (Survey Mask) e Vincolo Integrale (IC):
  • L'applicazione di una maschera geometrica (es. forma conica) aumenta significativamente la skewness a tutte le scale, correlando i modi di Fourier.
  • Il Vincolo Integrale (Integral Constraint), derivante dalla stima della densità media all'interno del volume limitato, introduce un eccesso di skewness aggiuntivo su piccole scale, specialmente per volumi di sondaggio piccoli.
  • Per i volumi previsti per Euclid (es. $1.5 \, (\text{Gpc}/h)^3$), l'effetto del vincolo integrale sulla skewness totale è subordinato, ma diventa critico per volumi più piccoli.

C. Distribuzione dei Modi Individuali

• Un'analisi sorprendente ha mostrato che il modulo quadrato di ciascun singolo modo di Fourier ($|\delta_k|^2$) segue con alta precisione una distribuzione esponenziale (come previsto per un campo Gaussiano), anche se il campo di densità sottostante è non-Gaussiano.
• Conclusione: L'eccesso di skewness osservato nello spettro di potenza non deriva da una distribuzione non-Gaussiana dei singoli modi, ma dalle correlazioni tra i modi all'interno di uno shell di Fourier.

4. Contributi e Significato

• Quadro Teorico Unificato: Il lavoro fornisce un framework analitico completo che collega la non-Gaussianità delle statistiche a due punti direttamente alle funzioni di correlazione di ordine superiore (trispettro e pentaspettro) del campo di densità.
• Validazione del Metodo COVMOS: Dimostra che COVMOS è uno strumento affidabile non solo per la covarianza, ma anche per lo studio della distribuzione completa (momenti di ordine superiore) delle statistiche cosmologiche.
• Implicazioni per Euclid:
  • Identifica i fattori che esacerbano la non-Gaussianità (binning ampio, maschere piccole) e quelli che la mitigano (alto rumore di shot).
  • Suggerisce che, sebbene la distribuzione non sia Gaussiana, la struttura della deviazione è ben compresa.
  • Il documento fa riferimento al lavoro complementare (GB-2025) che conclude che, nonostante queste deviazioni, l'assunzione di una likelihood Gaussiana non introduce bias significativi nella stima dei parametri cosmologici per dataset simili a quelli di Euclid.

In sintesi, questo studio quantifica con precisione le deviazioni dalla Gaussiana nello spettro di potenza, isolando le cause fisiche (correlazioni tra modi, pentaspettro) e sistematiche (maschera, binning), fornendo una base solida per la modellazione della likelihood nelle analisi cosmologiche di prossima generazione.