Dark Energy Survey Year 6 Results: Magnification modeling and its impact on galaxy clustering and galaxy-galaxy lensing cosmology

Sintesi Tecnica: Risultati del Dark Energy Survey Anno 6: Modellazione dell'ingrandimento e il suo impatto sulla distribuzione galattica e sulla cosmologia del lensing galattico galassia-galassia

Problema
L'ingrandimento (magnification) dovuto al lensing gravitazionale altera la distribuzione spaziale osservata delle galassie modificando le loro posizioni apparenti, i loro flussi e le loro dimensioni. Questo effetto introduce un bias nella densità numerica osservata delle galassie, noto come bias di ingrandimento (magnification bias). Nei sondaggi della struttura su larga scala (LSS), trascurare questo effetto può portare a spostamenti sistematici nell'inferenza dei parametri cosmologici derivati dal clustering delle galassie e dal lensing galassia-galassia (l'analisi "2×2pt"). Poiché i sondaggi come il Dark Energy Survey (DES) raggiungono una profondità e una precisione maggiori (Anno 6, Y6, rispetto all'Anno 3, Y3), l'impatto dell'ingrandimento diventa sempre più rilevante, in particolare per i bin di lente ad alto redshift e quando combinato con il taglio cosmico (shear cosmico, l'analisi "3×2pt"). La sfida principale risiede nel quantificare accuratamente i coefficienti di ingrandimento ($C$) per funzioni di selezione galattica multi-criterio complesse (MagLim++) per prevenire bias nei vincoli cosmologici come $S_8$ e $\Omega_m$.

Metodologia
Gli autori investigano l'impatto dell'ingrandimento delle lenti sull'analisi cosmologica DES Y6 utilizzando il campione di lente fiduciale, MagLim++. La metodologia comprende tre componenti principali:

1. Quadro Teorico: Il contrasto di densità galattica osservato è scomposto in una componente intrinseca e una componente indotta dall'ingrandimento, $\delta^{\text{mag}}_g = C \kappa$, dove $\kappa$ è la convergenza del lensing e $C = C_{\text{area}} + C_{\text{sample}}$. $C_{\text{area}} = -2$ tiene conto della diluizione della densità numerica dovuta all'espansione dell'area, mentre $C_{\text{sample}}$ cattura la risposta della funzione di selezione ai cambiamenti di flusso e dimensione.
2. Stima dei Coefficienti di Ingrandimento: Il documento impiega tre approcci per stimare $C_{\text{sample}}$ per sei bin tomografici di redshift:
   • Iniezione di Sorgenti Sintetiche Balrog (Fiduciale): Galassie artificiali vengono iniettate in immagini reali DES con e senza un ingrandimento simulato ($\delta\kappa \approx 0.01$). Alla selezione MagLim++ viene applicata sia alla corsa che all'altra, e la variazione frazionaria dei conteggi selezionati fornisce $C_{\text{sample}}$. Questo metodo tiene conto dell'intera funzione di trasferimento del sondaggio, inclusi i complessi criteri di selezione (colore, dimensione, separazione stella-galassia). Viene applicato uno schema di riponderazione per far corrispondere le proprietà di Balrog ai dati reali.
   • Perturbazione del Flusso (Dati): Un offset costante di magnitudine viene applicato alle magnitudini dei dati reali per simulare l'ingrandimento, ri-selezionando il campione per stimare $C_{\text{sample}}$. Questo viene testato sia sui dati reali che sul catalogo Balrog.
   • Perturbazione del Flusso (Balrog): Il metodo basato solo sul flusso applicato al catalogo Balrog per valutare le differenze sistematiche tra simulazione e dati.
3. Valutazione dell'Impatto Cosmologico: Gli autori eseguono l'inferenza dei parametri bayesiana su vettori di dati simulati privi di rumore e su dati DES Y6 non ciechi (unblinded). Testano vari priori sui coefficienti di ingrandimento (Gaussiani centrati sulle stime Balrog, valori fissi, priori piatti e Gaussiani traslati) e analizzano sia le statistiche 2×2pt che 3×2pt. Investigano inoltre l'inclusione del cross-clustering tra i bin di redshift delle lenti e l'esclusione del bin di lente 2 (una scelta motivata da test di coerenza interna nell'analisi più ampia di Y6).

Contributi Chiave

• Coefficienti di Ingrandimento Precisi: Il documento fornisce le prime stime ad alta precisione dei coefficienti di ingrandimento per il campione DES Y6 MagLim++ utilizzando il framework di iniezione di sorgenti sintetiche Balrog. I coefficienti derivati per i sei bin di redshift sono $[3.16 \pm 0.08, 2.76 \pm 0.21, 4.09 \pm 0.15, 4.42 \pm 0.16, 4.90 \pm 0.29, 4.83 \pm 0.25]$.
• Controllo Migliorato dei Sistemi: Rispetto a Y3, l'analisi Y6 utilizza un'area Balrog più grande e uno schema di riponderazione che riduce significativamente le incertezze sistematiche tra la simulazione e i dati. Le stime basate solo sul flusso di Balrog e dei dati reali mostrano un accordo molto migliore in Y6 rispetto a Y3.
• Validazione delle Scelte di Modellazione: Lo studio valida la scelta di modellazione fiduciale di utilizzare priori gaussiani centrati sulle stime derivate da Balfrog. Dimostra che questo approccio produce vincoli cosmologici non distorti nei dati simulati.
  Quantificazione del Bias: Il documento quantifica gli spostamenti sistematici introdotti trascurando l'ingrandimento o utilizzando priori errati.

Risultati

• Impatto del Trascurare l'Ingrandimento: Trascurare l'ingrandimento (fissando $C_{\text{sample}} = 2$) introduce spostamenti sistematici significativi nei parametri cosmologici rispetto all'analisi fiduciale con priori gaussiani. Nell'analisi 2×2pt, ciò risulta in uno spostamento di $1.37\sigma$ in $S_8$ e $-0.84\sigma$ in $\Omega_m$. Quando lo shear cosmico è incluso (3×2pt), gli spostamenti sono $-0.61\sigma$ in $S_8$ e $-0.71\sigma$ in $\Omega_m$.
• Robustezza rispetto ai Priori: I risultati cosmologici sono robusti quando testati contro varie scelte di prior. La marginalizzazione sui coefficienti di ingrandimento con priori gaussiani (fiduciale) recupera vincoli quasi identici a quelli ottenuti fissando i coefficienti ai loro valori reali. L'uso di priori piatti non informativi degrada leggermente il potere di vincolo (aumentando l'incertezza di $S_8$ del 15% in 2×2pt) ma non introduce bias significativi nelle medie dei parametri.
• Cross-Clustering: L'inclusione del cross-clustering tra i bin di redshift delle lenti aiuta l'autocalibrazione del segnale di ingrandimento, migliorando leggermente i vincoli su $C_{\text{sample}}$ ad alti redshift e riducendo i bias quando si utilizzano priori piatti.
• Bin di Lente 2: Quando il bin di lente 2 viene incluso nell'analisi con priori piatti, il coefficiente di ingrandimento inferito si sposta verso valori negativi non fisici. Questo comportamento, insieme ad altri test di coerenza, giustifica l'esclusione del bin 2 dall'analisi fiduciale di Y6. L'esclusione del bin 2 non introduce bias nell'analisi dell'ingrandimento per gli altri bin.
• Dati vs. Simulazione: I coefficienti di ingrandimento inferiti dai dati DES Y6 non ciechi sono generalmente coerenti con le stime Balrog, sebbene si verifichino alcune deviazioni nei bin ad alto redshift quando si utilizzano priori piatti. Tali deviazioni sono attribuite a sistematiche non modellate piuttosto che a una modellazione errata dell'ingrandimento, poiché gli spostamenti cosmologici risultanti si allineano con gli effetti di proiezione visti nelle simulazioni.

Significatività
Il documento stabilisce che l'ingrandimento del lensing debole è un effetto sistematico critico che deve essere modellato per evitare bias nella cosmologia di precisione con i sondaggi Stage-III e Stage-IV. L'analisi DES Y6 dimostra che l'utilizzo dell'iniezione di sorgenti sintetiche (Balrog) per derivare priori informativi sui coefficienti di ingrandimento fornisce un trattamento affidabile e conservativo di questi effetti. Sebbene l'impatto sugli attuali vincoli di DES Y6 sia gestibile, lo studio evidenzia che una modellazione accurata dell'ingrandimento è essenziale per i futuri sondaggi con maggiore profondità e potenza statistica, dove questi effetti diventeranno più dominanti e dove i priori non informativi potrebbero portare a maggiori bias. Il lavoro conferma che le scelte di modellazione fiduciali di Y6 mitigano con successo i bias indotti dall'ingrandimento, garantendo la robustezza dei risultati cosmologici del sondaggio.