Forward analytical model for the optical selection bias on galaxy cluster lensing profiles

Titolo: Un modello analitico forward per il bias di selezione ottica sui profili di lensing degli ammassi di galassie

1. Il Problema

Gli ammassi di galassie sono sistemi fondamentali per la cosmologia, utilizzati per vincolare i parametri cosmologici attraverso la loro abbondanza e le proprietà di lensing gravitazionale. Tuttavia, gli ammassi selezionati tramite proprietà ottiche (basati sulla ricchezza, ovvero il numero di galassie membri) sono soggetti a bias di selezione significativi.
Il problema principale deriva dagli effetti di proiezione lungo la linea di vista: sistemi non risolti (altri ammassi o gruppi di galassie) che si sovrappongono alla linea di vista dell'ammasso target possono essere erroneamente inclusi nel conteggio della ricchezza. Questo fenomeno porta a:

• Una sovrastima della ricchezza osservata ($\lambda_{ob}$) rispetto a quella intrinseca ($\lambda_{tr}$).
• Un ambiente apparentemente più denso lungo la linea di vista.
• Un bias nel profilo di densità proiettata (e quindi nel segnale di lensing debole), che risulta amplificato del 10-20% su scale rilevanti per la calibrazione della massa.
  Se non modellati correttamente, questi effetti introducono errori sistematici nelle stime di massa degli ammassi e, di conseguenza, nei parametri cosmologici derivati.

2. Metodologia

Gli autori propongono un modello analitico "forward" completamente predittivo per quantificare l'impatto del bias di selezione ottica sui profili di densità, senza l'uso di parametri liberi, ma basandosi su modelli fisici della distribuzione degli aloni e sulle specifiche del survey.

Il framework si articola in due passaggi principali:

• Modellazione del Bias di Clustering Ottico ($b_{\lambda_{ob}}$):
  Gli autori introducono una parametrizzazione dipendente dalla scala del bias degli ammassi ottici. Il modello riconosce che la ricchezza osservata è la somma della ricchezza intrinseca e del contributo di proiezione ($\Delta_{prj} = \lambda_{ob} - \lambda_{tr}$).

  • Viene proposta una funzione sigmoide per descrivere il bias $b_{\lambda_{ob}}$ in funzione della distanza angolare proiettata $\theta$ dal centro dell'ammasso. Questa funzione cattura il comportamento su piccola scala (dove l'effetto di proiezione è forte e il bias è elevato) e su grande scala (dove tende a un valore asintotico costante).
  • Il valore asintotico su grande scala è correlato linearmente all'eccesso di ricchezza di proiezione ($\delta_{prj}$) rispetto a un campione selezionato casualmente con la stessa distribuzione di massa.
  • Il modello calcola il numero medio di aloni proiettati lungo la linea di vista in funzione di $\Delta_{prj}$ e della separazione angolare.

• Derivazione del Profilo di Densità Proiettata:
  Il profilo di densità medio $\langle \Sigma(R) \rangle$ è scomposto in due termini:

  1. Termine One-Halo: Contributo della materia legata all'alone stesso, pesato sulla distribuzione di massa data la ricchezza osservata.
  2. Termine Two-Halo: Contributo delle strutture correlate (aloni proiettati) lungo la linea di vista. Questo termine è calcolato integrando i profili di densità degli aloni proiettati, utilizzando il bias $b_{\lambda_{ob}}$ derivato nel passo precedente per pesare la loro abbondanza.

Il modello è stato testato su un catalogo sintetico simile a quello del Dark Energy Survey (DES) Year 3, utilizzando l'algoritmo di rilevamento redMaPPer. I dati sintetici sono stati generati a partire da una simulazione N-body (DeRose et al.) e arricchiti con un modello di occupazione degli aloni (HOD) e effetti di proiezione realistici.

3. Contributi Chiave

• Modello Analitico Predittivo: A differenza di approcci precedenti che richiedevano calibrazioni empiriche o simulazioni specifiche per ogni survey, questo modello deriva il bias direttamente dalla distribuzione degli aloni, dal modello cosmologico e dalle specifiche dell'algoritmo di selezione.
• Parametrizzazione del Bias Dipendente dalla Scala: L'uso di una funzione sigmoide per descrivere la transizione tra il bias su piccola scala (dominato dalla sovrabbondanza di proiezione) e quello su grande scala rappresenta un'innovazione significativa nel descrivere l'ambiente degli ammassi selezionati otticamente.
• Collegamento Diretto tra Ricchezza e Bias: Il modello quantifica esplicitamente come l'entità del "boost" di ricchezza dovuto alla proiezione ($\Delta_{prj}$) influenzi la densità ambientale e il profilo di lensing.
• Validazione Robusta: Il modello è stato validato contro dati sintetici (mock catalog) mostrando un accordo eccellente su scale fino a $R \sim 10 h^{-1}$ Mpc.

4. Risultati Principali

• Riproduzione del Bias: Il modello riproduce con successo la dipendenza del termine "two-halo" dal boost di ricchezza indotto dalla proiezione. Gli ammassi con un $\Delta_{prj}$ elevato (linee di vista più affollate) mostrano un profilo di densità proiettata significativamente più alto rispetto a un campione selezionato casualmente con la stessa massa.
• Forma del Bias: Il rapporto tra il profilo di densità di un campione selezionato per ricchezza e uno selezionato casualmente mostra una caratteristica forma a "campana" (bell-shaped), con un picco di bias intorno a $R \sim 1 h^{-1}$ Mpc (la scala di transizione tra termine one-halo e two-halo).
• Evoluzione con Ricchezza e Redshift:
  • Il bias mostra una debole evoluzione con la ricchezza e il redshift.
  • La dipendenza dal redshift è principalmente guidata dall'evoluzione dell'incertezza fotometrica (photo-z), che aumenta con la distanza.
  • La dipendenza dalla ricchezza riflette l'ambiente più denso degli ammassi più massicci.
• Compensazione dei Termini: Sebbene il termine two-halo sia fortemente influenzato dalla selezione, l'evoluzione del bias totale sul profilo di lensing è attenuata perché l'evoluzione del termine two-halo è compensata da quella del termine one-halo.
• Approssimazione Analitica: Gli autori forniscono una funzione di fitting a doppia legge di potenza con transizione morbida (Appendice C) per approssimare il bias sul profilo di densità, facilitando l'implementazione in pipeline di inferenza cosmologica dove il calcolo completo del modello sarebbe troppo costoso computazionalmente.

5. Significato e Implicazioni

Questo lavoro fornisce un metodologia coerente per modellare l'impatto delle strutture lungo la linea di vista sulla ricchezza osservata e sui profili di densità degli ammassi selezionati otticamente.

• Correzione Sistematica: Permette di collegare direttamente i bias di selezione alle specifiche del survey e al modello cosmologico sottostante, offrendo uno strumento per correggere le stime di massa e ridurre gli errori sistematici nelle analisi cosmologiche (es. DES, Euclid, LSST).
• Flessibilità: Sebbene sviluppato per redMaPPer, il framework è generalizzabile ad altri proxy di massa ottica (es. massa stellare pesata, numero di galassie) adattando il kernel di proiezione.
• Limiti e Sviluppi Futuri: Il modello attuale trascura effetti come il disallineamento del centro dell'ammasso (miscentering) e la triassialità degli aloni. Tuttavia, rappresenta un passo fondamentale verso una modellazione fisica completa dei bias di selezione, essenziale per la prossima generazione di sondaggi cosmologici di precisione.

In sintesi, il paper offre un ponte teorico solido tra le osservazioni ottiche degli ammassi e la loro fisica sottostante, permettendo di disaccoppiare gli effetti di selezione dai segnali cosmologici genuini.