On the dependence of galaxy assembly bias on the selection criteria, number density, and redshift of galaxy samples

Dit onderzoek toont aan dat de sterrenstelsel-assemblagebias sterk afhankelijk is van selectiecriteria, dichtheid en roodverschuiving, dat geen enkele secundaire halo-eigenschap deze bias volledig kan verklaren, en dat de bias voortkomt uit het samenspel tussen halo-assemblagebias en variatie in bezetting, waarbij een snelle analytische formule wordt aangeboden om dit effect te voorspellen.

De kern

Stel je voor dat het heelal een gigantisch, donker bos is. In dit bos wonen sterrenstelsels, die we kunnen zien als bomen. De "aarde" waar deze bomen op groeien, is de onzichtbare donkere materie, die we "halo's" noemen.

Vroeger dachten astronomen dat het alleen maar om de grootte van de grondstukken (de halo's) ging. Een groot stuk grond zou altijd een groot bos geven, en een klein stukje grond een klein bos. Maar deze nieuwe studie laat zien dat het verhaal veel ingewikkelder is. Het is alsof twee bomen op even groot grondstuk staan, maar er toch heel anders uitzien. Waarom? Omdat de geschiedenis van het grondstuk telt.

Hier is wat de onderzoekers hebben ontdekt, vertaald naar alledaags taal:

1. De "Bouwgeschiedenis" van een Stelsel

De onderzoekers keken naar hoe sterrenstelsels zich gedragen in het heelal. Ze ontdekten dat stelsels die op grondstukken met dezelfde grootte staan, soms heel verschillend gedragen.

• De metafoor: Stel je voor dat je twee identieke huizen bouwt op twee identieke stukken land. In het ene geval is het land altijd al droog en stabiel geweest. In het andere geval is het land vaak overstroomd geweest en later weer drooggelegd. Hoewel de huizen even groot zijn, zullen ze er anders uitzien en zich anders gedragen.
• In de wetenschap noemen we dit galaxy assembly bias. Het betekent dat de manier waarop een sterrenstelsel is "gebouwd" (zijn geschiedenis), invloed heeft op hoe dicht het bij andere stelsels zit, niet alleen de massa van het grondstuk.

2. Het hangt af van wat je zoekt

De grootste ontdekking is dat dit effect niet voor iedereen hetzelfde is. Het hangt af van welke bomen je in het bos telt.

• Als je alleen naar de rode, oude bomen kijkt (oude sterrenstelsels), is het effect groot.
• Als je kijkt naar de blauwe, jonge bomen (jonge, actieve stelsels), kan het effect juist het tegenovergestelde zijn! Soms zorgen deze blauwe stelsels ervoor dat ze minder dicht bij elkaar zitten dan je zou verwachten.
• De les: Je kunt niet zeggen "het effect is 10%". Het kan variëren van +25% (ze zitten veel dichter bij elkaar) tot -25% (ze zitten verder uit elkaar), afhankelijk van hoe je de stelsels selecteert en hoe ver je in het verleden kijkt.

3. Geen enkele "magische knop"

De onderzoekers probeerden te achterhalen waarom dit gebeurt. Ze keken naar eigenschappen van het grondstuk, zoals:

• Hoe dicht de aarde is samengedrukt (concentratie).
• Hoe snel het grondstuk draait (spin).
• Hoe snel het is gevormd (vormingstijd).

Ze dachten: "Misschien is het gewoon de draaisnelheid?" of "Misschien is het de vormingstijd?".
Het antwoord: Nee. Geen enkele van deze eigenschappen alleen kan het gedrag van de stelsels volledig verklaren. Het is een ingewikkelde mix van alles samen. Als je modellen maakt die alleen kijken naar één eigenschap (bijvoorbeeld alleen de draaisnelheid), mis je het beeld. Het is alsof je probeert het weer te voorspellen door alleen naar de wind te kijken, en de temperatuur en luchtvochtigheid negeert.

4. Een snelle manier om het te voorspellen

Omdat het simuleren van al dit gedrag met supercomputers heel lang duurt (alsof je elke boom in het bos één voor één plant en bekijkt), hebben de onderzoekers een slimme truc bedacht.

• Ze hebben een snelle formule ontwikkeld. In plaats van alles opnieuw te simuleren, kun je nu gewoon kijken naar twee dingen:
  1. Hoe de grondstukken zelf zich gedragen (de "halo assembly bias").
  2. Welke stelsels er graag op welke grondstukken wonen (de "bezetting").
• Door deze twee te combineren, kunnen ze heel snel voorspellen hoe de stelsels zich zullen gedragen, zonder dat ze urenlang op de computer hoeven te wachten.

Waarom is dit belangrijk?

Voor de toekomstige kaarten van het heelal (die we maken om te begrijpen wat donkere energie is), moeten we heel precies weten hoe stelsels zich gedragen. Als we dit "bouwgeschiedenis-effect" negeren, maken we fouten in onze berekeningen over de grootte en vorm van het heelal.

Kort samengevat:
Het heelal is niet alleen een kwestie van "grootte telt". De geschiedenis en de eigenschappen van het onzichtbare grondstuk spelen een enorme rol. En afhankelijk van of je naar jonge of oude sterrenstelsels kijkt, kan dit effect ervoor zorgen dat ze dichter bij elkaar zitten of juist verder uit elkaar. De onderzoekers hebben nu een snelle "rekenmachine" gemaakt om dit effect in de toekomst snel en nauwkeurig mee te nemen in onze kaarten van het heelal.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "On the dependence of galaxy assembly bias on the selection criteria, number density, and redshift of galaxy samples" in het Nederlands.

Probleemstelling

De vorming van structuren in het heelal voorspelt dat sterrenstelsels ontstaan binnen donkere-materiehopen (halo's). De relatie tussen sterrenstelsels en hun gasthalo's is cruciaal voor kosmologische analyses, vooral op kleine schaal. Een van de belangrijkste effecten die deze relatie beïnvloedt, is de galaxy assembly bias (sterrenstelsel-assemblagebias). Dit fenomeen beschrijft hoe de clustering van sterrenstelsels afhangt van eigenschappen van de halo's die verder gaan dan alleen de massa (zoals vormingstijd, spin of concentratie).

Hoewel hydrodynamische simulaties en semi-analytische modellen de aanwezigheid van dit effect voorspellen, is de detectie ervan in waarnemingen moeilijk en inconsistent. Bestaande empirische modellen proberen galaxy assembly bias vaak te beschrijven als een functie van slechts één secundaire halo-eigenschap. Het is echter onduidelijk in hoeverre deze vereenvoudiging geldig is voor verschillende soorten sterrenstelselsteekproeven (geselecteerd op massa, helderheid of kleur) en hoe het effect varieert met roodverschuiving en dichtheid.

Methodologie

De auteurs gebruiken de IllustrisTNG hydrodynamische simulatie (specifiek de TNG300-1 run) om dit probleem systematisch te onderzoeken.

1. Steekproeven: Ze extraheren sterrenstelselsteekproeven op basis van vier selectiecriteria:

   • Stermassa ($M_*$).
   • $r$-band magnitude.
   • Blauwe sterrenstelsels (hoge specifieke vormingssnelheid).
   • Rode sterrenstelsels (lage specifieke vormingssnelheid).
     Voor elk type worden steekproeven gegenereerd met verschillende getal-dichtheden ($n$) en op vier verschillende roodverschuivingen ($z = 0, 0.5, 1, 2$).

2. Meting van Galaxy Assembly Bias:

   • Ze gebruiken een "shuffling"-techniek (Croton et al. 2007). Hierbij worden sterrenstelsels uitgewisseld tussen halo's met dezelfde massa, maar waarbij de relatieve afstanden tot het centrum behouden blijven. Dit verwijdert elke afhankelijkheid van secundaire halo-eigenschappen.
   • De sterkte van de bias wordt gekwantificeerd door de verhouding te berekenen tussen de clustering van de originele steekproef en de geschudde steekproef op schalen van $8$tot$25 \ h^{-1}$ Mpc.
   • Ze meten de bijdrage van drie specifieke secundaire eigenschappen: concentratie, spin en vormingstijd.

3. Analyse van de Oorzaak:

   • Ze ontleden het effect in twee componenten: halo assembly bias (hoe de clustering van halo's zelf afhangt van secundaire eigenschappen) en occupancy variation (hoe de bezetting van halo's door sterrenstelsels correleert met deze eigenschappen).
   • Ze ontwikkelen een analytische uitdrukking om galaxy assembly bias te voorspellen op basis van deze twee componenten, zonder dure shuffling-technieken te hoeven gebruiken.

Belangrijkste Resultaten

• Sterke Afhankelijkheid van Selectie: De sterkte van galaxy assembly bias hangt sterk af van de selectiecriteria, de getal-dichtheid en de roodverschuiving. Het effect kan de clustering van sterrenstelsels met wel 25% verhogen of verlagen.

  • Voor steekproeven op basis van stermassa en rode sterrenstelsels neemt de bias toe naarmate de roodverschuiving afneemt (van ~1% bij $z=2$ tot ~17% bij $z=0$).
  • Voor blauwe sterrenstelsels wordt een negatieve assembly bias waargenomen bij $z=0$, wat betekent dat ze minder sterk geklonterd zijn dan verwacht op basis van massa alleen (tot -24% voor de laagste dichtheid).

• Geen Enkele Eigenschap is Voldoende: Geen enkele secundaire halo-eigenschap (concentratie, spin of vormingstijd) kan de totale galaxy assembly bias voor een bepaalde populatie volledig verklaren.

  • Concentratie en spin dragen bij aan een positieve bias in bijna alle gevallen.
  • Vormingstijd leidt echter tot een negatieve bias voor blauwe en $r$-band steekproeven.
  • Dit betekent dat empirische modellen die assembly bias als functie van één eigenschap modelleren, niet in staat zijn om de voorspellingen van hydrodynamische simulaties correct na te bootsen.

• Mechanisme: De negatieve bias bij blauwe sterrenstelsels wordt verklaard door de correlatie tussen hun bezetting en de vormingstijd van de halo's. Blauwe sterrenstelsels bevinden zich voornamelijk in halo's met een negatieve halo assembly bias (jongere of minder geconcentreerde halo's in bepaalde massabereiken).

• Voorspellend Model: De auteurs presenteren een snelle analytische formule (Eq. 5) die galaxy assembly bias voorspelt op basis van de halo assembly bias en de occupancy variation. Deze formule correleert sterk ($r > 0.8$) met de resultaten van de computationally expensive shuffling-techniek.

Bijdragen en Betekenis

1. Systematische Kwantificering: Dit werk biedt de eerste systematische kwantificering van galaxy assembly bias voor de belangrijkste populaties die relevant zijn voor grote structuren-onderzoek (zoals SDSS, DESI, Euclid), binnen een realistisch hydrodynamisch model.
2. Validatie van Empirische Modellen: De studie toont aan dat vereenvoudigde modellen die slechts één secundaire eigenschap gebruiken ontoereikend zijn voor nauwkeurige kosmologische inferentie. Dit heeft directe gevolgen voor de interpretatie van waarnemingsdata.
3. Efficiënte Tool: De ontwikkelde analytische uitdrukking biedt onderzoekers een krachtig en snel hulpmiddel om het niveau van galaxy assembly bias in gesimuleerde catalogi te schatten zonder de noodzaak van tijdrovende shuffling-procedures. Dit maakt het mogelijk om snel te evalueren of empirische modellen consistent zijn met simulaties.
4. Kosmologische Impact: Omdat galaxy assembly bias de clustering op niet-lineaire schalen significant beïnvloedt, is het essentieel om dit effect correct te modelleren om onbevooroordeelde resultaten te halen uit toekomstige grote kosmologische surveys.

Concluderend benadrukt het artikel dat galaxy assembly bias een complex, multidimensionaal fenomeen is dat sterk varieert per steekproef, en dat nauwkeurige kosmologische analyses dit effect moeten meenemen via geavanceerde modellen die zowel halo-eigenschappen als bezettingspatronen integreren.