Improved recipes for peculiar velocity power spectra using Evolution Mapping

Sintesi Tecnica: Ricette Migliorate per gli Spettri di Potenza della Velocità Peculiare mediante Mappatura dell'Evoluzione

Enunciato del Problema
I sondaggi galattici attuali e futuri (ad es. DES, DESI, Euclid, LSST) richiedono modelli teorici precisi della formazione di strutture non lineari per estrarre informazioni cosmologiche dalle distorsioni nello spazio delle velocità (RSD). Un componente critico della modellazione RSD è il campo di divergenza della velocità ($\theta = -\nabla \cdot \mathbf{v}$), in particolare il suo spettro di potenza auto-correlato $P_{\theta\theta}(k)$ e il suo spettro di potenza incrociato con il campo di densità $P_{\delta\theta}(k)$.

Le prescrizioni di adattamento esistenti, in particolare quelle di Bel et al. (2019, qui di seguito B19), soffrono di tre limitazioni principali:

1. Convergenza Numerica: Le calibrazioni precedenti si basavano su risoluzioni di simulazione in cui gli artefatti di campionamento (derivanti dalla stima dei campi di velocità da distribuzioni discrete di particelle) rendevano le misurazioni inaffidabili a scale grandi quanto $k \sim 0.2\text{--}0.3 \, h\text{Mpc}^{-1}$.
2. Dipendenza spuria da $h$: B19 parametrizzano l'evoluzione non lineare utilizzando $\sigma_8$ (fluttuazione di densità RMS lisciata su $8 \, h^{-1}\text{Mpc}$). Poiché la scala di lisciamento dipende dal parametro di Hubble $h$, ciò introduce dipendenze non fisiche da $h$. Di conseguenza, modelli con fisica lineare identica ma valori di $h$ diversi producono previsioni divergenti, compromettendo l'accuratezza nell'estrapolazione attraverso lo spazio dei parametri cosmologici.
3. Forma Funzionale: I modelli esistenti non catturano completamente gli effetti di accoppiamento dei modi o lo smorzamento non lineare delle Oscillazioni Acustiche Barioniche (BAO) senza parametri liberi aggiuntivi.

Metodologia
Gli autori presentano nuove funzioni di adattamento calibrate su una serie di simulazioni $N$-body solo gravitazionali (Aletheia, AletheiaMass e AletheiaEmu) utilizzando il framework di Mappatura dell'Evoluzione. Questo framework postula che, quando i parametri di forma ($\Theta_s$) sono fissati, l'impatto dei parametri di evoluzione ($\Theta_e$) e del redshift possa essere assorbito in un singolo parametro di ampiezza di clustering, $\sigma_{12}$ (fluttuazione di densità RMS lisciata su 12 Mpc), che è indipendente da $h$.

I passaggi metodologici chiave includono:

• Strategia di Convergenza: Gli autori utilizzano la serie AletheiaMass, che presenta simulazioni multi-risoluzione (variando dimensioni della scatola e numero di particelle). Adottano una strategia di "patching" in cui le misurazioni da diversi volumi vengono cucite insieme. Viene definita una scala di convergenza $k_{\text{crop}}$ per ogni scatola confrontando esecuzioni ad alta e bassa risoluzione; lo spettro di potenza finale utilizza la misurazione dal volume più grande che soddisfa $k < k_{\text{crop}}$. Ciò produce misurazioni convergenti fino a $k \simeq 0.56 \, \text{Mpc}^{-1}$.
• Stima della Velocità: Per mitigare gli artefatti di campionamento, gli autori utilizzano il metodo MC-Voronoi. Ciò comporta il re-campionamento del campo di velocità su una distribuzione uniforme simile al vetro di punti (ponderata per volume) basata sulla particella $N$-body più vicina, seguita dall'assegnazione Cloud-in-Cell (CIC) e dalla deconvoluzione.
• Forme Funzionali:
  • $P_{\theta\theta}(k)$: Gli autori propongono un'ansatz che combina un termine lineare smorzato (utilizzando uno spettro di potenza lineare de-wiggled $P_{dw}$ per tenere conto dello smorzamento non lineare delle BAO) e un termine Gaussiano additivo in $\ln k$ per catturare l'accoppiamento dei modi. I parametri sono funzioni di $\sigma_{12}$.
  • $P_{\delta\theta}(k)$: Questo è modellato come la media geometrica dello spettro di densità non lineare $P_{\delta\delta}(k)$ (previsto dall'emulatore Aletheia) e del nuovo $P_{\theta\theta}(k)$, moltiplicato per un termine di smorzamento esponenziale dipendente da $\sigma_{12}$.
• Calibrazione: I parametri sono adattati utilizzando un framework bayesiano (nautilus) contro la serie AletheiaMass, coprendo un'ampia gamma di $\sigma_{12}$ (da 0.2 a 1.0) e redshift ($z \approx -0.4$ a 4.2).

Contributi Chiave

1. Nuove Funzioni di Adattamento: Il documento fornisce formule calibrate per $P_{\theta\theta}(k)$ e $P_{\delta\theta}(k)$ che dipendono esplicitamente da $\sigma_{12}$ e utilizzano unità fisiche (Mpc$^{-1}$), eliminando le dipendenze spurie da $h$.
2. Convergenza Robusta: Implementando una strategia di patching conservativa con simulazioni multi-risoluzione, gli autori raggiungono un'accuratezza a livello percentuale fino a $k \simeq 0.56 \, \text{Mpc}^{-1}$, estendendo significativamente il range affidabile rispetto ai lavori precedenti.
3. Validazione della Mappatura dell'Evoluzione: Lo studio conferma che esprimere le statistiche di velocità in termini di $\sigma_{12}$ preserva la relazione di mappatura dell'evoluzione, garantendo che cosmologie con fisica lineare identica e $\sigma_{12}$ producano previsioni non lineari coerenti indipendentemente dalla loro storia di crescita o dal valore di $h$.

Risultati

• Accuratezza: Le nuove prescrizioni raggiungono un'accuratezza del 1–2% sia per $P_{\theta\theta}(k)$ che per $P_{\delta\theta}(k)$ su un'ampia gamma di $\sigma_{12}$ e scale fino a $k \simeq 0.56 \, \text{Mpc}^{-1}$ all'interno del set di calibrazione.
• Confronto con B19: I nuovi modelli superano sistematicamente B19. Le previsioni di B19 deviano significativamente a piccole scale ($k > 0.2 \, \text{Mpc}^{-1}$) a causa dei limiti di risoluzione e mostrano offset non fisici per cosmologie con diversi valori di $h$. I nuovi modelli prevedono correttamente le statistiche di velocità attraverso diversi parametri di Hubble.
• Effetti della Storia di Crescita: Utilizzando la serie Aletheia (che isola gli effetti della storia di crescita fissando i parametri di forma ma variando i parametri di evoluzione), gli autori quantificano le deviazioni dalla mappatura dell'evoluzione perfetta. Scoprono che per la maggior parte delle cosmologie di interesse pratico, trascurare le differenze nella storia di crescita introduce errori sotto l'1%. Deviazioni significative ($>1\%$) si verificano solo per cosmologie estreme, escluse osservativamente (ad es. Einstein-de Sitter o valori estremi di $h$).
• Spettro Incrociato: Il modello $P_{\delta\theta}(k)$ beneficia dell'emulatore Aletheia per $P_{\delta\delta}(k)$, che cattura implicitamente una certa dipendenza dalla storia di crescita, riducendo ulteriormente gli errori.

Significato
Il documento afferma che la scelta della parametrizzazione e delle unità è critica per la robustezza dei modelli di statistiche di velocità. Dimostrando che le unità dipendenti da $h$ (come $\sigma_8$) introducono bias sistematici, gli autori forniscono un forte supporto empirico all'uso di unità fisiche e $\sigma_{12}$ come parametro di scala primario. Queste funzioni di adattamento offrono una descrizione robusta, a livello percentuale, degli spettri di potenza della velocità, direttamente applicabile alla modellazione RSD nei sondaggi di redshift galattico attuali e futuri. Gli autori notano che, sebbene le loro attuali funzioni di adattamento siano sufficienti per applicazioni pratiche, un lavoro futuro potrebbe coinvolgere la costruzione di un emulatore di velocità dedicato per modellare esplicitamente le deviazioni residue della storia di crescita e raggiungere una precisione superiore su tutto lo spazio dei parametri cosmologici.