Investigating the Dark Energy Constraint from Strongly Lensed AGN at LSST-Scale

Sintesi Tecnica: Investigare il vincolo sull'energia oscura da AGN con forte lente gravitazionale su scala LSST

Definizione del Problema
La cosmografia dei ritardi temporali (TDC) utilizzando AGN con forte lente gravitazionale fornisce una misura diretta e a singolo step delle distanze di diametro angolare nell'Universo tardivo, offrendo una sonda indipendente della storia dell'espansione. Sebbene gli attuali campioni TDC (ad es. TDCOSMO) abbiano con successo vincolato la costante di Hubble ($H_0$) con una precisione di circa il $\sim4\%$, la loro capacità di vincolare i parametri dell'equazione di stato dell'energia oscura (DE) ($w_0, w_a$) rimane debole. Il Vera C. Rubin Observatory Legacy Survey of Space and Time (LSST) prevede di scoprire tra $\sim1.000$ e $\sim3.500$ nuovi AGN con lente, di cui $\sim800$ si prevede abbiano ritardi temporali misurabili. La sfida risiede nel scalare l'inferenza bayesiana gerarchica necessaria per combinare centinaia di lenti tenendo conto di complesse degenerazioni (foglio di massa e anisotropia di massa) e di diversi livelli di fedeltà osservativa (dalla follow-up ad alta risoluzione basata su spazio fino ai dati solo LSST).

Metodologia
Gli autori introducono un framework di inferenza gerarchica scalabile, implementato in un nuovo codice chiamato fasttdc, progettato per calcolare le verosimiglianze cosmologiche per centinaia di lenti simultaneamente. L'analisi è divisa in due fasi:

1. Generazione del Vettore di Dati: I modelli delle singole lenti e le relative misurazioni vengono riassunti in vettori di dati statici. Questo include campioni dalle posteriori di modellazione della massa basate sulle immagini ($\xi_{lens}$), differenze di potenziale di Fermat ($\Delta\phi$) pre-calcolate e quantità del modello di Jeans ($J$), previsioni di convergenza esterna ($\kappa_{ext}$), e ritardi temporali osservati e dispersioni di velocità. Gli autori emulano questi vettori di dati per un campione simulato di 800 lenti estratte dal catalogo OM10, assumendo una cosmologia $\Lambda$CDM di verità fondamentale ($H_0=70, \Omega_m=0.3, w_0=-1, w_a=0$).
2. Inferenza Gerarchica: I vettori di dati vengono inseriti in un framework di inferenza bayesiana congiunta (utilizzando il campionatore MCMC emcee) per inferire i parametri cosmologici a livello di popolazione ($\Omega = \{H_0, \Omega_m, w_0, w_a\}$) e gli iperparametri che descrivono le distribuzioni della popolazione di lenti per il foglio di massa interno ($\lambda_{int}$) e l'anisotropia ($\beta_{ani}$). La valutazione della verosimiglianza utilizza il campionamento per importanza (importance sampling) per marginalizzare sulle proprietà delle singole lenti, tenendo pienamente conto delle degenerazioni del foglio di massa e dell'anisotropia di massa senza condensare prematuramente il potenziale di Fermat e il ritardo temporale in una singola posteriore di distanza.

Lo studio simula un campione di base di 800 lenti categorizzate per fedeltà di follow-up:

• Platinum (50 lenti): Cinematica risolta spazialmente (IFU), monitoraggio dedicato dei ritardi temporali e imaging ad alta risoluzione (JWST o HST).
• Gold (150 lenti): Cinematica a singola apertura, monitoraggio dei ritardi temporali LSST e imaging HST.
• Silver (600 lenti): Monitoraggio dei ritardi temporali LSST e imaging LSST, con o senza cinematica a singola apertura.

Contributi Chiave

• Strumento di Inferenza Scalabile: Sviluppo di fasttdc, un codice di valutazione della verosimiglianza vettorializzato capace di gestire $\mathcal{O}(1000)$ lenti simultaneamente, superando i colli di bottiglia computazionali dei precedenti metodi gerarchici.
• Emulazione Realistica: Una pipeline di emulazione completa che genera vettori di dati per la modellazione delle immagini (utilizzando la Neural Posterior Estimation e il forward modeling), misurazioni dei ritardi temporali, cinematica stellare (IFU e apertura) e convergenza lungo la linea di vista, riflettendo diversi livelli di fedeltà osservativa.
• Test della Strategia di Sistema: Una serie di esperimenti che quantificano come diverse strategie di follow-up (tipi di cinematica, qualità dell'imaging, precisione del ritardo temporale) e configurazioni di redshift impattano sui vincoli cosmologici.

Risultati

• Impatto della Dimensione del Campione: L'incorporazione dell'intero campione su scala LSST (800 lenti) migliora significativamente i vincoli rispetto a campioni più piccoli e ad alta precisione. L'aggiunta di 600 lenti "Silver" (ritardi temporali solo LSST) a un campione di 200 lenti aumenta il Figure of Merit dell'Energia Oscura (DE FOM) da 2.9 a 6.7 e migliora la precisione di $H_0$ da $\sim3.5\%$ a $\sim2.5\%$.
• Follow-up Cinematico: Espandere il campione di lenti con cinematica stellare è cruciale. Aumentare il numero di lenti con cinematica IFU spazialmente risolta (da 50 a 122) migliora il DE FOM a 9.1 e la precisione di $H_0$ a $\sim2\%$. Alternativamente, aumentare le lenti con cinematica a singola apertura (da 150 a 450 lenti) migliora il DE FOM a 8.9, sebbene non migliori la precisione di $H_0$ in modo efficace quanto la strategia IFU.
• Precisione del Ritardo Temporale: Migliorare la precisione della misura del ritardo temporale è un driver primario per i vincoli di DE. Raggiungere una precisione di 2 giorni sui ritardi temporali (sia tramite monitoraggio dedicato per un sottoinsieme, sia tramite un miglioramento del modeling delle curve di luce LSST per l'intero campione) produce i guadagni più significativi. L'Esperimento 3.1 (60 lenti con precisione di 2 giorni) raggiunge un DE FOM di 12.0, mentre l'Esperimento 3.4 (tutte le lenti LSST con precisione di 2 giorni) raggiunge un DE FOM di 10.1 con una precisione superiore di $H_0$ e $\Omega_m$.
• Precisione del Modello di Massa: L'aggiornamento dei modelli di massa da una modellazione automatizzata basata su LSST a una modellazione forward basata su HST ad alta precisione ha mostrato risultati misti. Sebbene abbia migliorato la precisione di $\Omega_m$ in alcuni scenari, non ha migliorato costantemente il DE FOM, suggerendo che, alle attuali precisioni di ritardo temporale e cinematica, la precisione del modello di massa non è il fattore limitante.
• Configurazione del Redshift: Il redshift della lente ($z_{lens}$) è il fattore dominante per la capacità di vincolo. Redshift delle lenti più bassi ($z_{lens} \approx 0.2$) producono DE FOM più elevati e migliori vincoli su $H_0$ rispetto a redshift più elevati ($z_{lens} \approx 1.0$), mentre il redshift della sorgente ha un effetto trascurabile.

Significatività e Rivendicazioni
L'articolo afferma che il campione LSST di lenti con AGN, quando analizzato con un framework gerarchico scalabile, offre una potente sonda indipendente dell'energia oscura. Gli autori dimostrano che la potenza statistica ottenuta dall'incorporare un gran numero di lenti a bassa precisione (dati solo LSST) è sostanziale, migliorando il DE FOM di quasi un fattore 3 rispetto al ricorso esclusivamente a campioni di follow-up ad alta precisione.

Lo studio conclude che, per massimizzare la capacità di vincolo sulla DE della TDC, la comunità dovrebbe dare priorità a:

1. Precisione del ritardo temporale: Gli sforzi per migliorare il modeling delle curve di luce LSST per raggiungere una precisione di $\sim2$ giorni sono critici.
2. Follow-up cinematico: Sebbene sia le strategie IFU che quelle ad apertura migliorino i vincoli, le misurazioni IFU sono uniche nel restringere i vincoli su $H_0$.
3. Selezione del Redshift: Redshift delle lenti più bassi sono vantaggiosi per vincolare $H_0$ e $w_0$.

Gli autori sottolineano che i loro risultati si basano su dati emulati e che i lavori futuri dovranno incorporare posteriore di modelli di massa più realistici ed effetti sistematici. Tuttavia, il framework stabilito fornisce una base necessaria affinché la LSST Dark Energy Science Collaboration possa fornire i primi vincoli cosmologici dai lenti con AGN di LSST.