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

Technische Samenvatting: Dispersion omzetten in Signaal: Dichtheidsgesplitste Analyses van Paarsgewijze Snelheden

Probleemstelling
Paarsgewijze snelheden van de grootschalige structuur coderen kritieke informatie over de groei van structuur en de wet van de zwaartekracht. Deze snelheden zijn indirect waarneembaar via roodverschuivingsruimtestoornissen (RSD) en het kinetische Sunyaev-Zeldovich (kSZ)-effect. De verdeling van paarsgewijze snelheden (PVD) is echter doorgaans breed en niet-Gaussisch. In conventionele analyses wordt kosmologisch bruikbare informatie voornamelijk ontleend aan de gemiddelde stroomsnelheid, terwijl de dispersie rond dit gemiddelde wordt behandeld als een storende parameter waarover gemarginaliseerd moet worden. Deze aanpak middelt het signaal effectief uit, waardoor de beperkende kracht van waarnemingen afneemt. De auteurs stellen dat deze dispersie niet louter ruis is, maar gestructureerde informatie bevat die, indien correct begrepen, kan worden omgezet in een signaal.

Methodologie
De auteurs stellen een "dichtheidsgesplitste" (DS) techniek voor om de PVD te analyseren door de globale verdeling te ontleden op basis van het lokale dichtheidsmilieu van de halos/galaxieën. Met behulp van de Quijote-simulaties verloopt de methodologie als volgt:

1. Milieukarakterisering: Het haloveld wordt gladgestreken met een top-hat vensterfunctie met een straal van $R_{sm} = 25 \, \text{Mpc} \, h^{-1}$. De dichtheidscontrast ($\delta_h$) wordt gemeten op de locaties van de halos, waardoor een waarschijnlijkheidsdichtheidsfunctie (PDF) ontstaat die niet-Gaussisch is en naar positieve waarden is verschoven.
2. Dichtheidsbinning: De halosample wordt opgesplitst in distincte dichtheidsklassen (variërend van onderdichte tot overdichte gebieden).
3. Conditionele PVD-meting: De verdeling van paarsgewijze snelheden, $P(v_p, r | \delta_h)$, wordt gemeten voor haloparen binnen specifieke dichtheidsklassen en op verschillende scheidingsafstanden ($r$).
4. Opname van kruisbin-paren: Om informatiebehoud te garanderen, omvat de analyse "kruisbin-paren" (paren waarbij de twee halos tot verschillende dichtheidsklassen behoren). Voor $N$ dichtheidsklassen worden alle $N(N+1)/2$ paarcombinaties opgenomen in de datavektor, zodat het totale aantal paren overeenkomt met de conventionele methode van de globale twee-puntscorrelatiefunctie (2PCF).
5. Statistische Vergelijking: De informatie-inhoud van de DS-methode wordt vergeleken met de conventionele methode van globale paartelling (2PCF) aan de hand van de cumulatieve en differentiele $\chi^2$-statistiek, gedefinieerd als $\chi^2 = \bar{v}_p C^{-1} (\bar{v}_p)^T$, waarbij $C$ de covariantiematrix is afgeleid uit 4000 simulatieréalismen.

Belangrijkste Resultaten

• Ontleding van de PVD: De globale PVD blijkt een compositie te zijn van een reeks bijna-Gaussische verdelingen, die elk corresponderen met een specifiek dichtheidsmilieu. Waar de globale verdeling breed en niet-Gaussisch is, worden de conditionele PVD's ($P(v_p | \delta_h)$) goed benaderd door Gaussische functies met onderscheiden gemiddelden en dispersies.
• Tekenomkering en Cancellatie: De gemiddelde stroomsnelheid $\bar{v}_p(r | \delta_h)$ verandert van teken afhankelijk van het milieu. Deze is positief (uitstroom) in onderdichte gebieden ($\delta_h < 0$) en negatief (instroom) in overdichte gebieden ($\delta_h > 0$). In de globale PVD heffen deze tegenstrijdige snelheden elkaar op, wat resulteert in een grote dispersie. De DS-methode vermijdt deze cancellatie door deze componenten te isoleren.
• Amplitude en Dispersie: De amplitude van de gemiddelde stroomsnelheid in overdichte gebieden is ongeveer vier keer zo groot als het globale gemiddelde (piekend bij $\sim 800 \, \text{km s}^{-1}$ vergeleken met $\sim 200 \, \text{km s}^{-1}$ voor uitstroom in onderdichte gebieden). Bovendien is de snelheidsdispersie aanzienlijk kleiner in gebieden met lage dichtheid in vergelijking met het globale gemiddelde.
• Verbetering Signaal-Ruisverhouding: De DS-techniek levert een aanzienlijke toename van de signaal-ruisverhouding op. In vergelijking met de globale 2PCF-methode neemt de totale $\chi^2$ toe met factoren van 1,4, 3,1 en 3,4 bij gebruik van respectievelijk 2, 3 en 6 dichtheidsklassen. Op grote schalen ($r \approx 150 \, \text{Mpc} \, h^{-1}$) bereikt de winst een factor 10.
• Lineariteit en Gaussiciteit: De lokale gemiddelde stroomsnelheden blijven lineair gekoppeld aan de conditionele twee-puntscorrelatiefuncties over een breed scala aan schalen. Opmerkelijk is dat de verbetering aanhoudt, zelfs op grote schalen waar de globale PVD bijna Gaussisch is, wat suggereert dat het voordeel voortkomt uit het vermijden van de cancellatie van tegenstrijdige stromen en niet uitsluitend uit het bemonsteren van niet-Gaussische dichtheids-PDF's.

Betekenis en Aanspraken
Het artikel stelt dat de conventionele behandeling van snelheidsdispersie als een storende factor suboptimaal is. Door de data op te splitsen volgens lokale dichtheidsmilieus, kunnen onderzoekers "dispersie omzetten in signaal". De primaire betekenis ligt in het vermogen om meerdere coherente componenten van uitstroom- en instroomsnelheden te herstellen die anders verborgen blijven in het globale gemiddelde.

De auteurs stellen dat deze methode aanzienlijk potentieel biedt voor het verbeteren van kosmologische beperkingen die zijn afgeleid uit RSD- en kSZ-waarnemingen. Specifiek:

• Voor kSZ maakt de methode het mogelijk om paarsgewijze signalen met tegengestelde tekens in onderdichte en overdichte gebieden afzonderlijk waar te nemen, informatie die verloren gaat bij globale middeling.
• Voor RSD biedt de methode een explicietere tracking van kosmologische informatie door de gemiddelde stroomsnelheden in verschillende milieus te isoleren.
• In tegenstelling tot eerdere toepassingen van dichtheidsgesplitste analyses waarbij dichtheid wordt bemonsterd op willekeurige locaties (wat modellering bemoeilijkt door niet-triviale koppelingen tussen reële ruimte en roodverschuivingsruimte), evalueert deze benadering de dichtheid op de locaties van de tracers. Dit zorgt ervoor dat de modellering van DS-RSD fundamenteel vergelijkbaar blijft met standaard 2PCF-modellering, waarbij de primaire extra factor een milieubias is die ongeveer lineair is op schalen van tientallen $\text{Mpc} \, h^{-1}$.

De auteurs concluderen dat hoewel twee-puntsstatistieken toereikend zijn voor Gaussische dichtheidsvelden, ze ontoereikend zijn voor snelheidsvelden, en dat de dichtheidsgesplitste techniek een weg biedt om aanzienlijk meer informatie te extraheren uit bestaande en toekomstige observationele data.