Reconstructing the largest scales of the Universe with field-level inference applied to the Quaia Quasar Catalogue

Sintesi Tecnica: Ricostruzione delle scale più grandi dell'Universo con l'applicazione dell'inferenza a livello di campo al catalogo di quasar Quaia

1. Definizione del problema

Mappare la struttura su larga scala (LSS) dell'Universo è essenziale per estrarre la fisica fondamentale, tuttavia le analisi tradizionali basate su statistiche riassuntive (ad esempio, spettri di potenza, bispetri) soffrono di una compressione dei dati subottimale, fallendo nel sfruttare appieno l'informazione ad alta dimensionalità. Sebbene i quasar siano traccianti unici capaci di sondare l'Universo fino a redshift $z \sim 7$ e coprire scale ultra-grandi, la loro analisi è complicata dalle basse densità numeriche (alto rumore di shot), dalla contaminazione da primo piano e dalle incertezze nel redshift (particolarmente per i campioni fotometrici).

Il recentemente rilasciato catalogo di quasar Quaia, derivato dai dati Gaia e unWISE, offre una copertura dell'intero cielo ($f_{sky} \approx 0,71$) e un ampio intervallo di redshift ($0,084 < z \lesssim 4,0$). Tuttavia, sfruttare questo dataset per una ricostruzione completa in tre dimensioni della distribuzione della materia richiede un metodo che possa gestire simultaneamente gli effetti di selezione del sondaggio, le distorsioni nello spazio dei redshift e il bias dei quasar, nonché l'intrinseca scarsità della popolazione di traccianti. I metodi esistenti spesso faticano a integrare questi sistemi in un modello fisico coerente senza perdere informazioni.

2. Metodologia

Questo lavoro applica l'algoritmo BORG (Bayesian Origin Reconstruction from Galaxies), un framework di inferenza a livello di campo (FLI), ai cataloghi di quasar Quaia. A differenza degli approcci tradizionali che comprimono i dati in statistiche riassuntive, BORG esegue un modellazione bayesiana forward del campo osservato completo.

2.1 Campioni di dati

L'analisi utilizza due campioni distinti dal catalogo Quaia (Storey-Fisher et al. 2024):

• Quaia Clean: Un campione limitato in magnitudine ($G < 20,0$) con circa $755.850$ sorgenti.
• Quaia Deep Cut: Un campione esteso ($G < 20,5$) con circa $1.295.502$ sorgenti. Questo campione è sottoposto a una selezione angolare più rigorosa, escludendo le regioni vicine alle Nubi di Magellano Grande e Piccola (LMC/SMC) e imponendo una soglia di completezza $> 0,5$ per mitigare la contaminazione da primo piano.

Entrambi i campioni sono partizionati in otto bin radiali per sondare diverse epoche cosmiche mantenendo al contempo il potere statistico. I redshift vengono trasformati nel sistema di riferimento CMB per rimuovere il dipolo indotto dal moto peculiare del Sole.

2.2 Modello Forward

L'algoritmo BORG impiega un modello forward basato sulla fisica per evolvere le condizioni iniziali in osservabili attuali:

1. Condizioni Iniziali: Un campo di rumore bianco gaussiano viene modulato da uno spettro di potenza primordiale (fissato alla cosmologia Planck 2018) per generare il potenziale gravitazionale iniziale.
2. Evoluzione Gravitazionale: Il campo di densità viene evoluto utilizzando la Teoria delle Perturbazioni Lagrangiane (LPT) (del primo ordine) per modellare la formazione delle strutture dalle condizioni iniziali fino al presente. Questo approccio è computazionalmente efficiente per le grandi scale e la risoluzione grossolana ($39,1 \, h^{-1}\text{Mpc}$) considerata.
3. Effetti Osservativi: Il modello incorpora le distorsioni nello spazio dei redshift, gli effetti di cono di luce e la funzione finestra del sondaggio (inclusi le funzioni di selezione radiale e le maschere di completezza angolare).
4. Modellazione del Bias: Viene utilizzato un modello di bias a legge di potenza di Poisson per mettere in relazione la densità sottostante della materia oscura con la distribuzione osservata dei quasar.

2.3 Motore di Inferenza

L'algoritmo esplora la distribuzione posteriore ad alta dimensionalità delle condizioni iniziali e dei campi tardivi utilizzando Hamiltonian Monte Carlo (HMC) combinato con campionatori a fette (slice samplers). Ciò genera un insieme di realizzazioni fisicamente plausibili di:

• Le condizioni iniziali primordiali.
• Il campo di densità della materia oscura attuale.
• I campi di velocità su larga scala (radiali e assoluti).
• La distribuzione prevista dei quasar.

2.4 Strategia di Validazione

Per validare le ricostruzioni, gli autori eseguono:

• Controlli di Coerenza Interna: Confronto tra gli spettri di potenza e i bispetri recuperati rispetto alle previsioni teoriche (CLASS) e controlli per non-gaussianità nelle condizioni iniziali.
• Cross-Correlazione Esterna: Un passaggio critico di validazione consiste nel cross-correlare il campo di densità della materia ricostruito da BORG con la mappa della convergenza del lensing CMB di Planck ($\kappa_{Planck}$). Questo testa se le strutture su larga scala ricostruite si allineano con la distribuzione della materia integrata osservata tramite il lensing gravitazionale della CMB.

3. Contributi Chiave e Risultati

3.1 Volume di Ricostruzione Senza Precedenti

Lo studio produce la più grande ricostruzione a livello di campo dell'Universo osservabile ad oggi in termini di volume comovente.

• Volume: $(10 \, h^{-1}\text{Gpc})^3$.
• Risoluzione: Risoluzione spaziale massima di $39,1 \, h^{-1}\text{Mpc}$ (dimensione del voxel).
• Ambito: La ricostruzione copre l'intero volume del sondaggio Quaia, fornendo mappe a posteriori delle condizioni iniziali, della densità della materia oscura attuale e dei campi di velocità.

3.2 Campi Inferiti

• Campo di Densità: Il campo di densità della materia oscura ricostruito mostra una forte coerenza qualitativa con la distribuzione osservata dei quasar. Cattura strutture coerenti su larga scala (filamenti e vuoti) ed estende oltre i confini del sondaggio attraverso l'accoppiamento gravitazionale, con incertezze che aumentano naturalmente nelle regioni a bassa densità di traccianti.
• Condizioni Iniziali: Le fluttuazioni primordiali inferite sono coerenti con la statistica gaussiana (media $\approx 0$, skewness e kurtosis coerenti con lo zero), confermando la validità del modello forward e l'assenza di non-gaussianità artificiali introdotte dal processo di inferenza.
• Campi di Velocità: I campi di velocità ricostruiti rivelano flussi bulk coerenti su larga scala, con ingressi e uscite che tracciano la sottostante distribuzione di densità. Il rapporto segnale-rumore segue la funzione finestra del sondaggio, evidenziando la capacità dell'algoritmo di tenere conto dei limiti osservativi.

3.3 Validazione Statistica

• Spettro di Potenza e Bispetro: Lo spettro di potenza della materia inferito concorda con le previsioni teoriche da CLASS su un ampio intervallo di scale. Il bispetro ridotto è coerente con lo zero, indicando l'assenza di contributi non lineari spurii.
• Coerenza del Sub-volume: Gli spettri di potenza calcolati in sub-regioni del volume di ricostruzione mostrano coerenza statistica, escludendo significativi disallineamenti del modello spaziale o contaminazioni localizzate.

3.4 Cross-Correlazione con il Lensing CMB

La validazione esterna più significativa è la rilevazione di un segnale di cross-correlazione tra il campo di densità ricostruito da BORG e la mappa del lensing CMB di Planck.

• Significatività: Per il campione Quaia Deep Cut a una risoluzione di $N=256$, la significatività della rilevazione raggiunge circa $\sim 4\sigma$ (specificamente $3,96\sigma$ tramite l'adattamento dell'ampiezza e $3,0\sigma$ tramite l'allineamento di fase).
• Ampiezza: Il parametro di ampiezza di miglior adattamento $A$ è $0,70 \pm 0,17$, coerente con l'aspettativa teorica ($A=1$) entro le incertezze.
• Implicazione: Questa rilevazione conferma che il framework BORG recupera con successo la vera distribuzione della materia su larga scala tracciata dai quasar, validando la ricostruzione rispetto a una sonda cosmologica indipendente.

4. Significato e Rivendicazioni

Il documento sostiene di aver stabilito un framework robusto per sfruttare i sondaggi di quasar nella cosmologia a livello di campo. Il suo significato primario risiede in:

1. Prima Applicazione ai Quasar: Questa è la prima applicazione dell'inferenza a livello di campo a un dataset di quasar, dimostrando che traccianti sparsi e rumorosi possono essere utilizzati per ricostruire la distribuzione 3D della materia e le condizioni iniziali.
2. Gestione dei Sistemi: Il lavoro dimostra che un approccio gerarchico bayesiano completamente forward-modeled può tenere conto efficacemente di complessi sistemi osservativi (effetti di selezione, errori di redshift, bias) senza perdere informazioni a causa della compressione dei dati.
3. Validazione della Fisica su Larga Scala: La rilevazione del segnale di lensing CMB a $\sim 4\sigma$ fornisce una conferma indipendente che i campi ricostruiti riflettono accuratamente la struttura su larga scala dell'Universo.
4. Fondamenta per la Futura Cosmologia: Gli autori sostengono che questo framework consente studi di precisione sulla fisica ultra-su larga scala, inclusi i vincoli sulla non-gaussianità primordiale ($f_{NL}$), test della relatività generale e investigazioni sull'effetto Sachs-Wolfe Integrato (ISW). I campi ricostruiti fungono da "gemello digitale" dell'Universo locale, fornendo prodotti di dati (mappe a posteriori) per simulazioni vincolate e ulteriori analisi cosmologiche.

Gli autori osservano che la risoluzione della ricostruzione è attualmente limitata dal rumore di shot e dalle incertezze del redshift spettrofotometrico, che impediscono un'inferenza affidabile su scale più piccole. Tuttavia, i risultati confermano che l'inferenza a livello di campo è uno strumento vitale e potente per trasformare le osservazioni sparse dei quasar in mappe tridimensionali statisticamente robuste della struttura su larga scala dell'Universo.