The Back-in-time Void Finder: dynamical identification of cosmic voids through optimal transport reconstruction

Sintesi Tecnica: Il Back-in-time Void Finder (BitVF)

Problematica
I vuoti cosmici sono potenti sonde cosmologiche, tuttavia la loro identificazione è ostacolata da significative sfide osservative e metodologiche. I tradizionali identificatori di vuoti, basati sulla topologia o sulla densità, sono altamente sensibili al rumore di shot, particolarmente nelle regioni sotto-dense dove il campionamento dei traccianti è rado e il bias galattico è elevato. Inoltre, l'identificazione nello spazio delle velocità (redshift space) è compromessa dalle distorsioni dello spazio di redshift (RSD) e dall'effetto Alcock–Paczynski (AP), che distorcono la forma dei vuoti, spostano i centri lungo la linea di vista (LOS) e interrompono la mappatura biunivoca tra i vuoti nello spazio reale e nello spazio di redshift. Queste limitazioni richiedono un approccio per l'identificazione dei vuoti che sia dinamicamente motivato, robusto alle fluttuazioni di campionamento e capace di gestire geometrie di indagine complesse e le RSD.

Metodologia
Gli autori introducono il Back-in-time Void Finder (BitVF), un algoritmo dinamico che identifica i vuoti come regioni di divergenza negativa in un campo di spostamento lagrangiano ricostruito dalla distribuzione attuale dei traccianti.

1. Ricostruzione tramite Trasporto Ottimale (OT):

   • Il metodo impiega un algoritmo di trasporto ottimale discreto per mappare i traccianti osservati (posizioni Euleriane) all'indietro verso una distribuzione Lagrangiana inizialmente omogenea.
   • A differenza delle stime dirette della densità, questo approccio minimizza un costo di trasporto globale (funzione di costo di Monge) per trovare la mappatura più efficiente tra l'attuale distribuzione eterogenea e uno stato primordiale uniforme.
   • L'implementazione utilizza uno schema di quartet-swap iterativo ed efficiente (un miglioramento del metodo di pairwise-swapping PIZA) per minimizzare la somma delle distanze quadrate tra le coppie di traccianti e casuali accoppiate.
   • La ricostruzione incorpora naturalmente il bias dei traccianti senza richiedere assunzioni cosmologiche pregresse; il bias è gestito tramite una scalatura lineare del campo di spostamento.

2. Calcolo della Divergenza e Smoothing:

   • Il campo di spostamento $\Psi$ viene ricostruito a ritroso nel tempo. I vuoti sono definiti come regioni in cui $\nabla_q \cdot \Psi < 0$, corrispondenti a un outflow di massa locale quando evoluto in avanti.
   • Il campo di divergenza è calcolato su una griglia discreta (cartesiana per box periodici, curvilinea adattiva per coni di luce) utilizzando il teorema di Gauss.
   • Per mitigare il rumore di shot, il metodo media su molteplici realizzazioni casuali (tipicamente 10–50) e applica uno smoothing gaussiano opzionale al campo di divergenza.

3. Segmentazione Watershed:

   • I vuoti vengono identificati tramite un algoritmo watershed applicato al campo di divergenza smussato. Le celle vengono assegnate iterativamente al minimo locale del campo di divergenza, definendo bacini connessi di outflow coerente.
   • I centri dei vuoti vengono raffinati utilizzando una correzione ponderata basata sui valori di divergenza vicini.

4. Correzione dello Spazio di Redshift:

   • Per i dati nello spazio di redshift, il metodo può modellare le RSD utilizzando un framework Kaiser corretto per il bias. Assumendo una cosmologia fiduciaria e il bias dei traccianti, il campo di spostamento ricostruito permette di recuperare le posizioni nello spazio reale, mitigando efficacemente gli spostamenti sistematici indotti dalle RSD.

Contributi Chiave

• Algoritmo Innovativo: BitVF è il primo framework specificamente progettato per i sondaggi galattici di Stage IV (es. DESI, Euclid) che definisce i vuoti dinamicamente tramite lo spostamento Lagrangiano piuttosto che tramite soglie topologiche o di densità.
• Robustezza al Rumore: Basandosi sul flusso di massa su larga scala, non locale e coerente codificato nel campo di spostamento, BitVF è intrinsecamente più robusto al rumore di shot e alla scarsità di traccianti rispetto ai metodi basati sulla densità.
• Mitigazione delle RSD: Il metodo dimostra una capacità intrinseca di preservare le funzioni di dimensione dei vuoti nello spazio reale quando analizzati nello spazio di redshift e offre una via per ricostruire cataloghi nello spazio reale utilizzando una cosmologia fiduciaria.
• Implementazione: L'algoritmo è implementato nel pacchetto CosmoBolognaLib, caratterizzato da un'esecuzione parallelizzata (OpenMP) con una scalabilità computazionale di circa $O(N^{1.1})$, rendendolo trattabile per milioni di traccianti.

Risultati
Gli autori hanno validato BitVF utilizzando simulazioni N-body ad alta risoluzione (suite Aletheia) e mock realistici a cono di luce (tipo Buzzard/DESI).

• Confronto con REVOLVER: Confrontato con il void finder topologico REVOLVER (basato su tassellazione di Voronoi), BitVF produce cataloghi di vuoti con:
  • Profili di Densità più Fluidi: I vuoti di BitVF esibiscono transizioni più fluide tra interni e confini, riflettendo flussi di massa coerenti piuttosto che le strutture "top-hat" spesso osservate nei metodi topologici.
  • Abbondanze Stabili: Il conteggio dei vuoti e le distribuzioni dimensionali di BitVF rimangono stabili sotto significativi sottocampionamenti dei traccianti (fino al 2,5% della popolazione di particelle) e rumore di shot, mentre REVOLVER mostra una significativa instabilità e la generazione di strutture spurie in campioni sparsi.
  • Differenze di Dimensione: BitVF identifica vuoti con raggi efficaci sistematicamente più piccoli rispetto a REVOLVER perché interrompe l'espansione al confine dove la divergenza cambia segno, escludendo i gusci sovradensi compensatori.
• Ricostruzione della Velocità: Le velocità ricostruite derivate dal campo di spostamento OT mostrano un coefficiente di correlazione di Pearson $R \approx 0.77$ con le velocità reali degli aloni, validando la ricostruzione dinamica.
• Performance nel Cono di Luce: Applicato a cataloghi mock simili a DESI, BitVF mitiga con successo gli effetti sistematici delle RSD, preservando più fedelmente le statistiche dei vuoti nello spazio reale rispetto ai metodi topologici.

Significatività e Rivendicazioni
L'articolo sostiene che BitVF fornisca un'alternativa fisicamente motivata e robusta agli esistenti identificatori di vuoti, particolarmente per l'era dei sondaggi di Stage IV dove le densità dei traccianti variano e gli effetti RSD sono prominenti. Definendo l'identificazione dei vuoti attraverso la dinamica dell'outflow di massa anziché soglie di densità statiche, il metodo offre:

1. Ridotta Sensibilità ai Sistemi: Gestisce intrinsecamente meglio il rumore di shot e la scarsità di traccianti rispetto agli approcci topologici.
2. Migliore Interpretabilità: La definizione dinamica si allinea con l'evoluzione fisica delle strutture cosmiche, riducendo potenzialmente l'identificazione di vuoti spurii.
3. Versatilità: Il framework è applicabile sia a box di simulazione idealizzati che a complessi dati di indagine a cono di luce con maschere.

Gli autori concludono che BitVF rappresenta un passo avanti significativo nella cosmologia dei vuoti, offrendo uno strumento che bilancia accuratezza, efficienza computazionale e applicabilità ai grandi dataset previsti dai futuri sondaggi. Il codice e gli strumenti sono resi pubblici per facilitare ulteriore ricerca.