Systematics mitigation for catalogue-based angular power spectra

この論文は、天体観測カタログ（離散点のデータ）から直接 Angular Power Spectrum（角パワースペクトル、$C_\ell$）を計算する際の問題点、特に系統誤差（systematics）の低減手法を拡張し、実装したことを報告するものです。以下に、問題提起、手法、主要な貢献、結果、および意義について詳細な技術的サマリーを記します。

1. 問題提起 (Problem)

現代の宇宙論観測（銀河クラスタリング、弱い重力レンズ、CMB 二次異方性など）では、天球上の離散的な位置（天体のカタログ）で観測された場（field）の Angular Power Spectrum を測定することが不可欠です。

• 従来の課題: 従来の「擬似-$C_\ell$ (Pseudo-$C_\ell$)」法では、離散点をピクセル化して連続的なマップを作成し、そこからスペクトルを推定していました。しかし、このピクセル化プロセスは、ピクセルサイズ以下のスケールでバイアスを導入し、エイリアシングや有限解像度の影響を受けます。
• カタログベース法の限界: 近年、Wolz et al. (2025) によって、ピクセル化を介さずにカタログデータから直接 PCL を計算する手法が開発されました（NaMaster コードに実装済み）。しかし、この手法には系統誤差（天体分布に影響を与える観測バイアスなど）を低減する機能が含まれていませんでした。
• 系統誤差低減の難しさ: 系統誤差を除去するための「テンプレート・デプロジェクション（Template Deprojection）」法は、従来マップベースのデータに適用されてきましたが、これを離散点のカタログデータに適用する際、以下の問題が生じます。
  1. デプロジェクションによりモードが失われることによるバイアス（deprojection bias）の補正が複雑になる。
  2. 銀河クラスタリングの場合、マスク（観測領域の定義）が「ランダムカタログ」で定義される場合、デプロジェクション係数の計算においてデータとランダムカタログの相関を正しく扱えないという新たな問題が発生する。
  3. シュートノイズ（Shot noise）成分に対するデプロジェクションによるバイアスの正確な計算が必要である。

2. 手法 (Methodology)

著者らは、Wolz et al. (2025) のカタログベース PCL フォーマリズムを拡張し、テンプレート・デプロジェクションを統合する新しい枠組みを提案しました。

• カタログベースのデプロジェクション:

  • 連続マップの場合と同様に、観測された場 $a_i$ から系統誤差テンプレート $f^p_i$ の線形結合を引くことで、系統誤差を除去した場 $a^c_i$ を定義します。
  • 離散点データの場合、テンプレートマップ全体を必要とせず、観測点の位置におけるテンプレート値のみで計算が可能であることを示しました。
  • 射影行列（projection matrix）の計算において、重み付きの点積を離散和で置き換えることで、効率的に実装しました。

• 銀河クラスタリングへの適用と $\ell_{\rm max}$ の導入:

  • 銀河クラスタリングでは、マスクがランダムカタログで定義され、かつ平均密度がデータから差し引かれるため、単純なデプロジェクションを適用すると、データカタログとの相関が失われ、係数がゼロになる問題が発生します。
  • これを解決するため、**実空間での相関を捉えるために、ハーモニック空間でのドット積を最大多重極 $\ell_{\rm max}$ で切断（truncate）**する手法を提案しました。これにより、大規模スケールでの系統誤差とデータ間の相関を適切に評価し、デプロジェクション係数を算出できます。

• モード損失（Mode Loss）の補正:

  • デプロジェクションは、テンプレートに比例するモードを除去するため、スペクトル推定値にバイアスを生じさせます。
  • シグナル成分: 従来の解析的補正法（真の $C_\ell$ の事前知識が必要）に加え、**シミュレーションに基づくトランスファー関数（Transfer Function）**を用いる代替手法を提案しました。これは、入力スペクトルを持つガウス実装に対してデプロジェクションを適用し、前後のスペクトル比から補正係数を求める方法です。
  • ノイズ成分（ショットノイズ）: デプロジェクションによるショットノイズ成分のバイアスに対する厳密な解析式を導出しました。これは、多数のテンプレートを除去する際に特に重要となります。

• 実装: これらの手法は、公開コード NaMaster に実装されました。

3. 主要な貢献 (Key Contributions)

1. カタログベース PCL へのデプロジェクション統合: 離散点データから直接、系統誤差を低減した Angular Power Spectrum を計算する完全なフォーマリズムを確立しました。
2. 銀河クラスタリング特有の問題の解決: ランダムカタログをマスクとして用いる場合のデプロジェクション係数の計算問題に対し、$\ell_{\rm max}$ による切断を提案し、実用的な解決策を提供しました。
3. ショットノイズバイアスの厳密な導出: デプロジェクションがショットノイズ成分に与える影響について、解析的な補正式を導出しました。
4. トランスファー関数アプローチの検証: シミュレーションを用いたトランスファー関数によるモード損失補正が、真のスペクトルを正確に推定する際、従来の解析的補正法と同等の性能を持つことを示しました。特に、真のスペクトルの推定値が不正確でも、$\ell \gtrsim 3$ のスケールではロバストであることが確認されました。

4. 結果 (Results)

• シミュレーション検証:
  • 離散サンプリング場: 1000 個のシミュレーションを用い、100 個の系統誤差テンプレートを含むデータを生成しました。提案手法（ノイズバイアス補正＋トランスファー関数によるシグナル補正）を適用することで、入力スペクトルと一致する不偏な推定値が得られることを確認しました。
  • 銀河クラスタリング: Quaia クエーサーカタログの分布を模倣したシミュレーションにおいて、ランダムカタログベースと連続マップベースの両方のマスク定義で、不偏なスペクトルが得られることを示しました。$\ell_{\rm max} \approx 100$ が最適な値であることを発見しました。
  • トランスファー関数の感度: 異なる入力スペクトル仮定を用いてトランスファー関数を計算した結果、$\ell \lesssim 3$ の極大スケールを除き、仮定されたスペクトルの形状に依存せず、高精度な補正が可能であることを示しました。
• 実データ適用 (Quaia クエーサーカタログ):
  • 実際の Quaia クエーサーカタログ（低赤方偏移サンプル）に手法を適用し、従来のマップベース手法と比較しました。
  • シュートノイズ補正を施した後、提案するカタログベース手法（ランダムカタログ版およびマップ版）は、標準的なマップベース手法と統計的に整合する結果（デプロジェクション前後のスペクトル変化など）を生み出し、手法の有効性を実証しました。

5. 意義と将来性 (Significance)

• 高精度宇宙論への貢献: 次世代の Stage IV 観測（LSST など）では、データ量が膨大になり、統計的誤差が系統誤差と同程度になることが予想されます。本手法は、ピクセル化によるバイアスを排除しつつ、高度な系統誤差低減を可能にするため、LSST などの大規模データ解析において不可欠なツールとなります。
• 小スケール情報の活用: ピクセル化を回避することで、ピクセルサイズ以下の小スケール（高 $\ell$）の情報をより正確に利用できるようになります。
• 実用性: 手法は既存の公開コード NaMaster に実装されており、研究者がすぐに利用可能です。また、トランスファー関数アプローチは、真のスペクトルを正確に知らなくても適用可能であり、実データ解析における柔軟性を高めています。

要約すると、本論文は、カタログベースの Angular Power Spectrum 推定において、系統誤差除去とモード損失補正を統合した堅牢な手法を開発し、シミュレーションおよび実データを通じてその有効性を証明した重要な研究です。