Turning dispersion into signal: density-split analyses of pairwise velocities

技術的サマリー：分散を信号へ変換する：対向速度の密度分割解析

問題提起
大規模構造の対向速度は、構造の成長と重力の法則に関する重要な情報を符号化している。これらの速度は、赤方偏移空間歪み（RSD）と運動学的サンヤエフ・ゼルドビッチ（kSZ）効果を通じて間接的に観測可能である。しかし、対向速度分布（PVD）は一般的に広く、非ガウス分布である。従来の解析では、宇宙論的に有用な情報は主に平均流速度から抽出され、この平均からの分散は、周辺化すべきノイズパラメータとして扱われてきた。このアプローチは実質的に信号を平均化してしまい、観測の制約力を低下させる。著者らは、この分散が単なるノイズではなく、適切に理解されれば信号に変換可能な構造化された情報を含んでいると仮説を立てている。

手法
著者らは、ハロー/銀河の局所密度環境に基づいて全球分布を分解することにより PVD を解析する「密度分割（DS）」手法を提案する。Quijote シミュレーションを用いて、手法は以下のように進行する。

1. 環境特性の記述: ハロー場を、半径 $R_{sm} = 25 \, \text{Mpc} \, h^{-1}$ のトップハット窓関数を用いて平滑化する。ハローの位置で密度コントラスト（$\delta_h$）を測定し、非ガウス分布であり正の値に歪んだ確率密度関数（PDF）を作成する。
2. 密度ビン分割: ハローサンプルを、低密度領域から高密度領域に至るまで、明確な密度ビンに分割する。
3. 条件付き PVD 測定: 特定の密度ビン内のハロー対に対して、かつ様々な分離スケール（$r$）において、対向速度分布 $P(v_p, r | \delta_h)$ を測定する。
4. クロスビン包含: 情報の保存を確保するため、解析には「クロスビン」対（2 つのハローが異なる密度ビンに属する対）を含める。$N$個の密度ビンの場合、すべての $N(N+1)/2$ 個の対の組み合わせをデータベクトルに含め、総対数が従来の全球 2 点相関関数（2PCF）法と一致することを保証する。
5. 統計的比較: DS 法の情報量を、累積および微分 $\chi^2$ 統計量を用いて、従来の全球対カウント（2PCF）法と比較する。ここで $\chi^2 = \bar{v}_p C^{-1} (\bar{v}_p)^T$ と定義され、$C$ は 4000 回のシミュレーション実現から導出された共分散行列である。

主要な結果

• PVD の分解: 全球 PVD は、それぞれ特定の密度環境に対応する一連のほぼガウス分布の合成であることが明らかになった。全球分布は広く非ガウス的であるが、条件付き PVD（$P(v_p | \delta_h)$）は、異なる平均値と分散を持つガウス関数でよくフィットされる。
• 符号反転と相殺: 平均流速度 $\bar{v}_p(r | \delta_h)$ は、環境に応じて符号が変化する。低密度領域（$\delta_h < 0$）では正（流出）であり、高密度領域（$\delta_h > 0$）では負（流入）である。全球 PVD では、これらの対向する速度が互いに相殺し合い、大きな分散を生み出す。DS 法はこれらの成分を分離することで、この相殺を回避する。
• 振幅と分散: 高密度領域における平均流速度の振幅は、全球平均の約 4 倍である（低密度流出の $\sim 200 \, \text{km s}^{-1}$ に対し、ピークは $\sim 800 \, \text{km s}^{-1}$）。さらに、速度分散は低密度領域において全球平均に比べて著しく小さい。
• 信号対雑音比の改善: DS 技術は、信号対雑音比の大幅な増加をもたらす。全球 2PCF 法と比較して、2、3、6 個の密度ビンを使用する場合、総 $\chi^2$ はそれぞれ 1.4 倍、3.1 倍、3.4 倍増加する。大スケール（$r \approx 150 \, \text{Mpc} \, h^{-1}$）では、その増幅は 10 倍に達する。
• 線形性とガウス性: 局所平均流速度は、広範なスケールにわたって条件付き 2 点相関関数と線形的に結合したままである。注目すべきは、全球 PVD がほぼガウス分布である大スケールにおいても改善が持続することであり、この利益は非ガウス分布の密度 PDF をサンプリングすることだけでなく、対向する流れの相殺を回避することから生じていることを示唆している。

意義と主張
本論文は、速度分散をノイズとして扱う従来の処理が最適ではないと主張する。データを局所密度環境に応じて分割することで、研究者は「分散を信号へ変換」できる。主な意義は、全球平均に隠れてしまう流出および流入速度の複数のコヒーレントな成分を回復できる点にある。

著者らは、この手法が RSD および kSZ 観測から導出される宇宙論的制約を大幅に改善する可能性を有すると主張する。具体的には：

• kSZ において、この手法は低密度領域と高密度領域における符号が反対の対向信号を個別に観測することを可能にする。これは全球平均化では失われる情報である。
• RSD において、この手法は異なる環境における平均流速度を分離することで、宇宙論的情報のより明示的な追跡を提供する。
• 実空間と赤方偏移空間の間の非自明なマッピングによりモデリングを複雑にする、ランダムな位置で密度をサンプリングする以前の密度分割応用とは異なり、このアプローチはトレーサーの位置で密度を評価する。これにより、DS-RSD のモデリングは、本質的に標準的な 2PCF モデリングと類似したままであり、主要な追加要因は、数十 $\text{Mpc} \, h^{-1}$ のスケールでほぼ線形である環境バイアスとなる。

著者らは、2 点統計量はガウス分布の密度場には十分であるが、速度場には不十分であり、密度分割技術は既存および将来の観測データから著しく多くの情報を抽出するための道筋を提供すると結論付けている。