Substructure in redMaPPer clusters and its impact on X-ray morphology and scaling relations

1. Probleemstelling

Sterrenstelselclusters zijn vitale kosmologische sondes voor het begrijpen van de groei van structuur in het heelal. Hun bruikbaarheid wordt echter beperkt door significante intrinsieke spreiding in schaalrelaties tussen massa en waarneembare grootheden (bijvoorbeeld X-ray-luminositeit $L_X$ versus optische rijkdom $\lambda$). Een primaire drijvende kracht van deze spreiding is de dynamische toestand van clusters, met name de aanwezigheid van substructuur die voortkomt uit aanhoudende samensmeltingen en accretie.

Huidige studies kampen met een systematische bias waarbij kosmologische beperkingen afgeleid uit X-ray-luminositeit verschillen van die afgeleid uit optische rijkdom. De auteurs hypotheseren dat deze discrepantie wordt gedreven door de correlatie tussen optische rijkdom en de omgeving op grote schaal, evenals het falen om rekening te houden met substructuur, wat de thermische evenwichtstoestand van het intraclustermedium (ICM) verstoort en de X-ray-eigenschappen verandert.

2. Methodologie

Het onderzoek maakt gebruik van een multi-golflengtebenadering die optische data combineert van de DESI Legacy Imaging Surveys (via de redMaPPer-clustercatalogus) en X-ray-data van de SRG/eROSITA-hemeloverdekkende survey (specifiek de eRASS1-catalogus).

A. Identificatie van Substructuur (Optisch)

• Algoritme: De auteurs hebben HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise), een op dichtheid gebaseerd clustering-algoritme, toegepast op de redMaPPer-catalogus.
• Invoergegevens: Er werden uitsluitend de 2D-hemelposities van lidsterrenstelsels gebruikt; kleur, magnitude en roodverschuivingsinformatie werden uitgesloten om bias te voorkomen.
• Tweestapsprocedure: Om de inherente bias van het algoritme tegen het identificeren van één-componentige clusters te mitigeren (wat zou leiden tot de classificatie van alle ontspannen clusters als "ruis" of enkele clusters), werd een tweestapsproces geïmplementeerd:
  1. Stap 1: HDBSCAN wordt uitgevoerd met een configuratie die één-componentige clusters verbiedt om duidelijke substructuren te identificeren.
  2. Stap 2: Voor clusters die in Stap 1 niet als substructuurdragend werden geïdentificeerd, wordt het algoritme opnieuw uitgevoerd met aangepaste parameters om identificatie van één-componentige clusters toe te staan.
• Verfijning: Sterrenstelsels die door HDBSCAN als "ruis" worden geclassificeerd, krijgen een lidmaatschapskans van nul. De clusterrijkdom ($\lambda$) wordt herberekend en een nieuwe metriek, inval-rijkdom ($\lambda_{infalling}$), wordt gedefinieerd voor de substructuurcomponent.
• Validatie: De methode werd gevalideerd tegen mock-catalogi afgeleid van de Uchuu-simulaties, waarbij een correct groeperingspercentage van 77,1% voor lidsterrenstelsels werd bereikt.

B. Analyse van X-ray-morfologie

• Kruisverwijzing: De verfijnde optische steekproef werd gekruist met de eRASS1 X-ray-clustercatalogus (binnen $R_{500}$ en $\Delta z < 0,02(1+z)$).
• Parameters: Het onderzoek gebruikte de grootste set uniform afgeleide X-ray-morfologische parameters tot nu toe (van Sanders et al. 2025), waaronder:
  • Vormparameters: Ellipticiteit, verschuiving van het zwaartepunt, fit-piekafstand.
  • Dichtheidsparameters: Concentratie ($c_{80-800}$), binnenste dichtheidshelling ($\alpha$).
  • Samengestelde Scores: $D_{shape}$ (vormgebaseerde verstoring) en $D_{comb}$ (combinatie van vorm en concentratie).

C. Analyse van Schaalrelaties

• De auteurs analyseerden de $L_X - \lambda$ schaalrelatie met Bayesiaanse lineaire regressie (via de linmix-routine) om rekening te houden met meetfouten in beide variabelen.
• De analyse werd gestratificeerd op rijkdom ($\lambda \ge 20$ en $\lambda \ge 40$) en roodverschuiving ($z < 0,2$ versus $z \ge 0,2$) om evolutionaire trends te ontwarren.

3. Belangrijkste Bijdragen

1. Robuuste Substructuur-catalogus: Er werd een verfijnde catalogus gemaakt van 6.421 gekoppelde optische/X-ray-clusters, waarbij 2.159 clusters met substructuur en 4.262 zonder werden geïdentificeerd, gebruikmakend van een nieuwe tweestaps-HDBSCAN-benadering die classificatiebias minimaliseert.
2. Kwantificering van Substructuureigenschappen: De massaverhouding ($\mu = M_{infalling}/M_{host}$) en inval-rijkdom werden gedefinieerd en gemeten, waarbij volledigheidslimieten werden vastgesteld ($\mu > 0,4$ voor $\lambda \ge 20$; $\mu > 0,25$ voor $\lambda \ge 40$).
3. Multi-golflengte Correlatie: Directe koppeling van optische substructuuridentificatie aan een uitgebreide reeks X-ray-morfologische parameters, verder gaand dan eenvoudige visuele classificatie.
4. Correctie van Systematische Bias: Aangetoond dat het bijwerken van rijkdomschattingen op basis van substructuurverwijdering de spreiding in de $L_X - \lambda$-relatie met ongeveer 7% vermindert.

4. Belangrijkste Resultaten

A. Voorkomen van Substructuur

• Substructuur is een veelvoorkomend kenmerk, aanwezig in ongeveer 40% van de steekproef.
• Ongeveer 25% van de volledige steekproef vertoont een fractionele bijdrage aan de rijkdom vanuit substructuur die 35% overschrijdt.
• Detectie is sterk afhankelijk van rijkdom; substructuur komt vaker voor in systemen met hoge rijkdom.

B. Impact op X-ray-morfologie

• Correlatie met Verstoring: Er is een zeer significante correlatie tussen optische substructuur en verstoorde X-ray-morfologieën.
• Belangrijke Parameters: Clusters met substructuur vertonen:
  • Vlakke oppervlaktehelderheidsprofielen: Significante lagere concentratie ($c_{80-800}$).
  • Hogere verschuivingen van het zwaartepunt ($\omega$): Wat wijst op ruimtelijke variabiliteit in emissie.
  • Grotere multipoolmomenten ($M_4$): Wat wijst op uitgesproken asymmetrieën op grote schaal.
• Samengestelde Scores: De samengestelde verstoringsscore $D_{comb}$ (die concentratie omvat) toont een veel sterkere onderscheiding tussen substructuur en ontspannen clusters dan de alleen-vorm score ($D_{shape}$).
• Afhankelijkheid van Rijkdom: De morfologische verschillen zijn het meest uitgesproken in clusters met hoge rijkdom ($\lambda > 40$). In bins met lage rijkdom is het onderscheid minder duidelijk, wat suggereert dat feedback van Actieve Galactische Kernen (AGN) een grotere rol kan spelen in de morfologie voor systemen met lagere massa.

C. Impact op Schaalrelaties ($L_X - \lambda$)

• Evolutie bij Lage Roodverschuiving ($z < 0,2$):
  • Clusters met substructuur vertonen een systematisch hogere X-ray-luminositeit bij vaste rijkdom in vergelijking met ontspannen systemen.
  • Ze vertonen significante hogere intrinsieke spreiding in de schaalrelatie.
• Hoge Roodverschuiving ($z \ge 0,2$): De verschillen in normalisatie en spreiding tussen substructuur en ontspannen clusters nemen af, waarschijnlijk vanwege de lagere prevalentie van stabiele koele kernen bij hogere roodverschuivingen.
• Fysische Interpretatie: De overtollige luminositeit en spreiding bij lage roodverschuivingen worden toegeschreven aan het overleven van koele kernen van instortende subclusters. Deze koele kernen verhogen de X-ray-luminositeit maar zijn onderhevig aan verstoring (wat leidt tot onder-luminieuze systemen) of overleving (wat leidt tot over-luminieuze systemen), wat een bimodale verdeling creëert die de spreiding vergroot. De auteurs suggereren dat magnetische drapering de verstorende menging kan onderdrukken, waardoor deze koele kernen bij lage roodverschuivingen langer kunnen overleven.

5. Betekenis en Conclusies

• Kosmologische Precisie: Het onderzoek toont aan dat het identificeren en karakteriseren van substructuur essentieel is voor kosmologie van de volgende generatie clusters. Het negeren van substructuur introduceert systematische biases die de precisie van kosmologische beperkingen beperken.
• Methodologische Haalbaarheid: De op HDBSCAN gebaseerde aanpak met gebruik van probabilistisch lidmaatschap is een haalbare en effectieve methode voor het opschonen van clustercatalogi en het verfijnen van rijkdomschattingen.
• Fysisch Inzicht: De resultaten benadrukken dat de dynamische toestand van een cluster (specifiek de aanwezigheid van substructuur) een primaire drijvende kracht is van de spreiding in massa-waarneembare relaties, met name bij lage roodverschuivingen waar koele kernen veel voorkomen.
• Toekomstige Richtingen: De auteurs merken op dat toekomstig werk dat spectroscopische roodverschuivingen integreert voor 3D-clustering en grotere steekproeven van aankomende surveys, het begrip van substructuurevolutie en de rol daarvan in clusterassemblage verder zal verfijnen.

Kortom, dit artikel biedt een rigoureus statistisch raamwerk voor het koppelen van optische substructuur aan X-ray-morfologie, en bewijst dat substructuur een dominante bron van spreiding in schaalrelaties is en een kritische factor om te corrigeren in precisiekosmologie.