Accurate modeling for 3$\times$2pt analyses in Roman and Rubin: a study of model approximations

Sintesi Tecnica: Modellazione Accurata per Analisi 3×2pt in Roman e Rubin

Enunciato del Problema
La cosmologia moderna si basa pesantemente sulle analisi "3×2pt", che combinano il clustering delle galassie, il lensing galassia-galassia e lo shear cosmico per vincolare i parametri cosmologici. Sebbene questo framework sia stato applicato con successo alle survey Stage-III (ad es. DES, KiDS), le imminenti survey Stage-IV — specificamente l'High Latitude Imaging Survey (HLIS) del Nancy Grace Roman Space Telescope e la Legacy Survey of Space and Time (LSST) del Vera C. Rubin Observatory — forniranno una potenza statistica senza precedenti. Gli autori sostengono che le approssimazioni di modellazione accettabili per i dati Stage-III potrebbero introdurre bias significativi nei vincoli Stage-IV. Questo articolo investiga sistematicamente tre specifiche approssimazioni di modellazione comunemente utilizzate nelle analisi 3×2pt:

1. L'applicazione dell'approssimazione di Limber per proiettare gli spettri di potenza 3D su scale angolari.
2. La trascuratezza delle Distorsioni nello Spazio delle Redshift (RSD) nel campo di sovradensità delle galassie.
3. L'uso di modelli meno accurati per lo spettro di potenza della materia non lineare (specificamente confrontando HMCode con EuclidEmulator2).

Metodologia
Lo studio utilizza un framework di analisi di verosimiglianza simulata implementato in CoCoA (CosmoLike-Cobaya Architecture), una pipeline sviluppata dal Roman HLIS Cosmology PIT. Per garantire la robustezza, gli autori hanno prima validato CoCoA rispetto allo stabilito Core Cosmology Library (CCL), che funge da standard per il Rubin LSST Dark Energy Science Collaboration (DESC).

• Configurazioni della Survey: L'analisi prevede i vincoli per un dataset Roman HLIS a 5 anni (tier medio) e un dataset Rubin LSST a 10 anni. Entrambi utilizzano 10 bin lente-galassia e un numero variabile di bin di galassie sorgente (8 per Roman, 5 per Rubin).
• Framework di Modellazione: L'analisi assume una cosmologia $\Lambda$CDM piatta con cinque parametri liberi ($A_s, n_s, H_0, \Omega_b, \Omega_m$). I parametri di disturbo (nuisance) includono shift di foto-z, bias di calibrazione dello shear, allineamento intrinseco (modello NLA) e bias galattico lineare.
• Tagli di Scala (Scale Cuts): Per mitigare le incertezze derivanti dal feedback barionico e dal bias galattico non lineare, gli autori applicano tagli di scala conservativi. Nello spazio reale, ciò corrisponde a un raggio trasversale minimo di 6 Mpc/h per il lensing e 8 Mpc/h per il clustering. Nello spazio armonico, questi si traducono in intervalli specifici di multipolo ($20 < \ell < 4000$).
• Design Sperimentale: Gli autori definiscono cinque scenari di modello per isolare gli effetti delle approssimazioni:
  1. Baseline: Non-Limber per il clustering, RSD incluso, EuclidEmulator2 per lo spettro di potenza non lineare.
  2. Limber: Utilizza l'approssimazione di Limber per il clustering.
  3. noRSD: Omette le correzioni RSD.
  4. HMCode: Utilizza HMCode invece di EuclidEmulator2.
  5. Combinato: Utilizza Limber, omette RSD e utilizza HMCode.

Risultati Chiave
Lo studio quantifica l'impatto di queste approssimazioni sia sui vettori di dati (tramite $\Delta\chi^2$) che sui risultanti vincoli cosmologici (bias nel piano $\Omega_m - S_8$).

1. Validazione del Codice: Il confronto tra CoCoA e CCL ha mostrato un eccellente accordo, con valori di $\Delta\chi^2$ ben al di sotto di 1 per le impostazioni fiduciali, confermando l'affidabilità della pipeline di modellazione.
2. Impatti delle Singole Approssimazioni:
   • Approssimazione di Limber: Trascurare il calcolo non-Limber per il clustering delle galassie induce bias di ~0.7–0.8$\sigma$ per Roman e ~1.8–2.0$\sigma$ per Rubin. L'effetto è più pronunciato nello spazio armonico che nello spazio reale perché i tagli di scala rimuovono meno dei modi influenzati nello spazio armonico.
   • Distorsioni nello Spazio delle Redshift (RSD): Trascurare le RSD produce bias comparabili o leggermente superiori all'approssimazione di Limber, raggiungendo ~0.7–0.8$\sigma$ per Roman e ~2.0–2.3$\sigma$ per Rubin. Gli autori notano che le RSD sono l'effetto dominante tra i due, poiché l'approssimazione di Limber sopprime intrinsecamente i contributi RSD.
   • Spettro di Potenza Non Lineare: Passare da EuclidEmulator2 a HMCode risulta in bias minori (~0.6$\sigma$ per Roman, ~1.0–1.2$\sigma$ per Rubin). Ciò accade perché le differenze tra questi modelli sono principalmente su piccole scale, che vengono ampiamente rimosse dai tagli di scala fiduciali.
3. Effetti Combinati: Quando tutte e tre le approssimazioni vengono applicate simultaneamente, i bias si accumulano. Per Rubin, il bias combinato raggiunge ~2.8$\sigma$ (spazio reale) e ~3.1$\sigma$ (spazio armonico). Per Roman, il bias combinato è ~1.0–1.1$\sigma$.
4. Sensibilità della Survey: I bias sono costantemente più grandi per Rubin rispetto a Roman a causa del maggiore potere di vincolo di Rubin. Gli autori notano che, sebbene abbiano assunto un "tier medio" per Roman, una configurazione "wide tier" produrrebbe probabilmente vincoli ancora più stretti e potenzialmente bias maggiori se venissero utilizzate le approssimazioni.

Significatività e Conclusioni
L'articolo conclude che per le survey Stage-IV, le standard approssimazioni utilizzate nelle analisi Stage-III sono insufficienti. Trascurare uno qualsiasi dei tre effetti investigati può indurre bias cosmologici che si avvicinano o superano 1$\sigma$ per Roman e 2$\sigma$ per Rubin.

Gli autori enfatizzano tre implicazioni principali per le future analisi Stage-IV:

1. Algoritmi Non-Limber: È critico ottimizzare gli algoritmi non-Limber per garantire che siano numericamente stabili ed efficienti dal punto di vista computazionale, poiché l'approssimazione di Limber non è più sufficiente per il clustering delle galassie nelle survey ad alta precisione.
2. Modellazione RSD: L'effetto RSD di primo ordine ha un grande impatto sui vettori di dati e sui vincoli, motivando lo sviluppo e l'inclusione di modelli RSD più realistici.
3. Spettro di Potenza Non Lineare: La scelta del modello dello spettro di potenza della materia non lineare è significativa, particolarmente quando combinata con specifiche strategie di taglio di scala.

Lo studio serve come validazione della pipeline CoCoA rispetto a CCL e fornisce una base quantitativa per richiedere una modellazione ad alta fedeltà per i rilasci finali dei dati delle survey Roman e Rubin. Gli autori suggeriscono che il lavoro futuro dovrebbe estendere questi risultati per includere il bias galattico non lineare, modelli di allineamento intrinseco più complessi e il feedback barionico, oltre a investigare la combinazione dei tier medio e wide di Roman.