Exploring non-Poisson satellite occupation in HOD models and its impact on 2- and 3-point galaxy clustering

Sintesi Tecnica: Esplorazione dell'Occupazione Non-Poissoniana dei Satelliti nei Modelli HOD e del suo Impatto sul Clustering di Galassie a 2 e 3 Punti

Enunciato del Problema
La connessione tra galassie e aloni di materia oscura è un pilastro della cosmologia moderna, tipicamente modellata utilizzando il framework della Distribuzione di Occupazione degli Aloni (HOD). Un'ipotesi standard nei modelli HOD è che il numero di galassie satelliti all'interno di un alone di massa fissa segua una distribuzione di Poisson. Tuttavia, simulazioni numeriche e analisi osservative suggeriscono che le popolazioni di satelliti possano mostrare deviazioni dalle statistiche di Poisson strette a causa di effetti come il bias di assemblaggio degli aloni, lo stripping mareale e storie di infall correlate. Queste deviazioni si manifestano come dispersione sub-Poissoniana o super-Poissoniana nei conteggi dei satelliti, il che altera il secondo momento fattoriale del numero di occupazione. Poiché questo momento controlla direttamente l'ampiezza del termine a un alone nelle statistiche di clustering, ignorare il comportamento non-Poissoniano potrebbe introdurre errori sistematici nelle analisi del clustering su piccola scala e nei vincoli cosmologici derivati da sondaggi di Fase IV come DESI ed Euclid.

Metodologia
Per affrontare questo problema, gli autori introducono la distribuzione Conway–Maxwell–Poisson (CMP) come un'estensione minima e flessibile del modello di Poisson standard. La distribuzione CMP è definita da una funzione di massa di probabilità $P(N_{sat}=k | \lambda, \nu) = \frac{\lambda^k}{(k!)^\nu Z(\lambda, \nu)}$, dove $\nu$ è un parametro di dispersione: $\nu=1$ riproduce la distribuzione di Poisson, $\nu < 1$ produce un comportamento super-Poissoniano (varianza > media) e $\nu > 1$ produce un comportamento sub-Poissoniano (varianza < media).

La metodologia coinvolge tre componenti tecniche principali:

1. Approssimazioni Analitiche e Schemi Numerici: Poiché la costante di normalizzazione $Z(\lambda, \nu)$ non ha una forma chiusa, gli autori derivano approssimazioni analitiche per la media e la varianza in due regimi:
   • Piccolo $\lambda$ ($\lambda \to 0$): Viene derivato uno sviluppo in serie fino a $O(\lambda^4)$ per approssimare media e varianza.
   • Grande $\lambda$ ($\lambda \to \infty$): Vengono utilizzati sviluppi asintotici basati su metodi del punto di sella.
   • Scalatura Globale: Viene costruita un'interpolazione liscia utilizzando una funzione di errore per collegare questi regimi, garantendo una mappatura continua tra l'occupazione media target $\langle N_{sat}(M) \rangle$ e il parametro CMP $\lambda$ con un'accuratezza di $\sim 5\%$ per $0.5 < \nu < 2$.
2. Generazione di Cataloghi Mock: Utilizzando il pacchetto HODDIES e le simulazioni N-body AbacusSummit (cosmologia $\Lambda$CDM Planck 2018), gli autori generano 16 cataloghi di galassie mock che rappresentano un campione di Galassie Rosse Luminose (LRG). I parametri HOD standard sono fissi, mentre il parametro di dispersione CMP $\nu$ viene variato da 0.5 a 2.0.
3. Analisi delle Statistiche di Clustering: L'impatto della variazione di $\nu$ è quantificato utilizzando:
   • Statistiche a 2 Punti: Funzione di correlazione proiettata ($w_p$), e monopolo ($\xi_0$) e quadrupolo ($\xi_2$) della funzione di correlazione nello spazio delle redshift.
   • Statistiche a 3 Punti: Il bispettro delle galassie (monopolo $B_{000}$ e quadrupolo $B_{202}$) calcolato utilizzando lo stimatore Sugiyama nell'intervallo $k$ $[0, 0.3] \, h/\text{Mpc}$.
   • Momenti di Ordine Superiore: Statistiche Count-in-Cylinders (CiC) per sondare l'ambiente locale delle galassie e momenti di ordine superiore della distribuzione.

Contributi e Risultati Chiave

• Implementazione della CMP nell'HOD: Il lavoro fornisce uno schema numerico robusto per implementare la distribuzione CMP all'interno dei framework HOD, disaccoppiando con successo l'occupazione media dei satelliti dalla varianza tramite il parametro $\nu$ mantenendo la media fisica $\langle N_{sat} \rangle$.
• Impatto sulle Statistiche di Occupazione: Variare $\nu$ altera significativamente la distribuzione dei conteggi dei satelliti. Per $\nu < 1$, la distribuzione si allarga (super-Poissoniana), aumentando la probabilità di aloni ad alta occupazione; per $\nu > 1$, si restringe (sub-Poissoniana). Il numero medio di satelliti varia al massimo del $\pm 5\%$ rispetto al caso di Poisson, una deviazione attribuita all'asimmetria della distribuzione CMP a basso $\lambda$.
• Impatto sul Clustering a 2 Punti: Le statistiche non-Poissoniane influenzano principalmente il termine a un alone (piccole scale, $r_p \lesssim 1 \, h^{-1}\text{Mpc}$).
  • La funzione di correlazione proiettata $w_p$ mostra deviazioni fino al 10% rispetto al caso di Poisson.
  • Il monopolo e il quadrupolo mostrano deviazioni fino al 5%.
  • Questi cambiamenti correlano con la varianza: una varianza maggiore (basso $\nu$) aumenta la potenza di clustering, mentre una varianza minore la sopprime.
• Impatto sul Clustering a 3 Punti (Bispettro): Il bispettro delle galassie a livello ad albero (nella base Sugiyama) risulta robusto rispetto alle assunzioni non-Poissoniane nell'intervallo $k_{\text{max}} = 0.3$.
  • Le variazioni nel monopolo del bispettro sono inferiori al 2%.
  • Gli autori concludono che per le analisi su larga scala attuali e prossime ($k < 0.3$), le statistiche dei satelliti non-Poissoniane sono poco probabili che introducano bias nei vincoli cosmologici derivati dal bispettro, poiché il segnale è inferiore agli errori dei dati attesi.
• Sensibilità delle Count-in-Cylinders (CiC): Le statistiche CiC mostrano un'alta sensibilità alla varianza dell'occupazione dei satelliti.
  • Le deviazioni dal caso di Poisson raggiungono fino al 30%.
  • Questo conferma che CiC è una sonda potente per rompere le degenerazioni nei parametri HOD e rilevare comportamenti non-Poissoniani, superando in questo aspetto le statistiche standard a 2 punti.

Significato e Affermazioni
Il lavoro afferma che la distribuzione CMP offre un "meccanismo minimo e controllato" per testare l'ipotesi di Poisson all'interno del framework HOD. Gli autori affermano che, sebbene le statistiche non-Poissoniane siano critiche per una modellazione accurata del clustering su piccola scala (influenzando significativamente il termine a un alone), il loro impatto sui vincoli cosmologici derivati dalle misurazioni dello spettro di potenza e del bispettro su larga scala ($k < 0.3$) è limitato.

Il lavoro sottolinea che, man mano che la precisione osservativa aumenta, la comprensione della connessione galassia-alone deve evolvere oltre l'assunzione di Poisson per controllare le incertezze sistematiche. Gli autori suggeriscono che, sebbene il bispettro possa essere robusto, statistiche di ordine superiore come CiC e multipletti di galassie sono essenziali per vincolare il parametro di dispersione $\nu$. Il lavoro conclude che l'incorporazione di tali estensioni è necessaria per derivare budget di errore sistematici robusti per le future misurazioni cosmologiche, sebbene noti modestamente che un'analisi dettagliata dell'impatto sull'inferenza dei parametri cosmologici utilizzando il bispettro rimane un argomento per lavori futuri.