meer21cm: an Analysis Pipeline and Comprehensive Toolkit for HI Intensity Mapping

Technische Samenvatting: meer21cm: Een analysepijplijn en uitgebreide toolkit voor HI-intensiteitsmapping

Probleemstelling
Neutrale waterstof (HI) intensiteitsmapping is uitgegroeid tot een krachtige sonde voor het post-reïonisatie-universum, maar staat voor unieke analytische uitdagingen die verschillen van conventionele sterrenstelselclustering. Het HI-signaal is intrinsiek zwak en orders van grootte zwakker dan radio-voorgronden, wat agressieve technieken voor componentenscheiding (bijv. Principale Component Analyse) noodzakelijk maakt die onbedoeld het kosmologische signaal verwijderen. Bovendien vertonen single-dish 21 cm-experimenten zeer anisotrope observationele effecten, waaronder chromatische stralingsbundels (beam chromaticity), redshift-ruimteverstoringen en niet-uniforme survey-geometrieën. Deze factoren compliceren de schatting van het vermogensspectrum, wat consistente modellering van observationele effecten, transferfunctiescorrecties en mock-simulaties vereist die strikt voldoen aan de survey-specificaties. Bestaande pijplijnen missen vaak de modulariteit, het survey-georiënteerde ontwerp en de rigoureuze consistentie die nodig zijn om de analyse op te schalen naar de grote volumes die worden verwacht voor de Square Kilometre Array Observatory (SKAO) en zijn precursor, de MeerKAT Large Area Synoptic Survey (MeerKLASS).

Methodologie
De auteurs presenteren meer21cm, een uitgebreide Python-package ontworpen als de kernanalysepijplijn voor MeerKLASS-observaties. De methodologie is gebouwd op een modulaire, survey-georiënteerde architectuur die prioriteit geeft aan de definitie van survey-specificaties (hemeloppervlakte, frequentiebereik, telescoopbundel) boven theoretische kubieke box-simulaties.

Belangrijke methodologische componenten zijn:

• Formalisme: De pijplijn modelleert de HI-helderheidstemperatuur en het aantaldichtheidsveld van sterrenstelsels in 3D k-ruimte. Het incorporeert expliciet observationele effecten zoals telescoopbundel-convolutie, map-making kernels, gridding en voorgrondverwijderingsoperatoren. De vermogensspectra-schatters voor HI-auto-power, sterrenstelsel-auto-power en HI-sterrenstelsel cross-power zijn afgeleid met specifieke gewichtsrenormalisaties om rekening te houden met gemiddelde-centrering en voorgrondreiniging.
• Mock Simulatie: De pijplijn genereert log-normale HI-dichtheidsvelden en Poisson-gesamplede sterrenstelselcatalogi binnen een Cartesiaans comoving grid. Deze worden geprojecteerd op hemelcoördinaten, geconvolveerd met een telescoopbundel en gecontamineerd met voorgronden (synchrotron, free-free, stof, AME, CMB) en thermische ruis.
• Voorgrondreiniging en Transferfuncties: Een blinde methode voor voorgrondreiniging gebaseerd op Principale Component Analyse (PCA) is geïmplementeerd. Om het signaalverlies veroorzaakt door PCA te corrigeren, gebruikt de pijplijn een numerieke berekening van de transferfunctie. Dit houdt in dat er mock-signalen in de data worden geïnjecteerd, waarna de cleaning-procedure wordt toegepast en de ratio van de gereinigde versus de ongereinigde vermogensspectra wordt berekend.
• Parameterinferentie: Het framework ondersteunt Bayesiaanse inferentie met mock-gebaseerde covariantie-matrices, waarbij gebruik wordt gemaakt van Hartlap en Percival correctiefactoren om rekening te houden met het eindige aantal mock-realisaties.

Belangrijkste Bijdragen

1. Modulaire en Survey-georiënteerde Ontwerp: In tegenstelling tot traditionele codes die beginnen met kubieke boxen, definieert meer21cm berekeningen op basis van survey-geometrie. Het maakt gebruik van Python class inheritance om stappen van data-I/O tot parameterinferentie te modulariseren, waardoor ervoor wordt gezorgd dat wijzigingen in data-cuts of cleaning-strategieën automatisch door de gehele analyseketen worden gepropageerd.
2. Uitgebreide Toolkit: De package dekt de volledige post-kalibratie data-analyse workflow, inclusief data I/O, voorgrondreiniging, vermogensspectra-schatting, mock-simulatie, transferfunctiecorrectie en parameterinferentie. Het handelt zowel HI-intensiteitskaarten als overlappende sterrenstelselcatalogi af voor multi-tracer analyse.
3. Rigoureuze Validatie: De pijplijn wordt gevalideerd via end-to-end tests met 512 mock-realisaties van een MeerKLASS UHF-band survey patch (750 deg², $0.6 < z < 0.8$). De code bevat unit tests met een dekking van ~100%.

Resultaten
De validatietests demonstreren de nauwkeurigheid van de pijplijn bij het herstellen van vermogensspectra:

• Log-normale Simulatie: De gesimuleerde log-normale velden komen overeen met de input theoretische modellen met fractionele verschillen van $\sim \pm 1\%$ over alle relevante schalen.
• Observationele Effecten: Wanneer observationele effecten (bundel smoothing, gridding) worden meegerekend, komen de herstelde vermogensspectra voor sterrenstelsel-auto-power overeen met het model binnen $\sim 1\%$ voor $k < 0.2 \, h\text{Mpc}^{-1}$. HI-auto-power en cross-power vertonen iets grotere afwijkingen door complexiteiten in de bundelmodellering, maar blijven binnen $\pm 5\%$ nauwkeurigheid.
• Transferfunctiecorrecties: Na het toepassen van PCA-reiniging en numerieke transferfunctiecorrecties komt de herstelde HI-auto-power overeen met het model binnen $0.5\sigma$ van de signaalvariantie voor $0.05 < k < 0.2 \, h\text{Mpc}^{-1}$. De herwinning van de cross-power vertoont een systematische offset van $\sim 5\%$ maar blijft binnen $1\sigma$, wat wordt toegeschreven aan verschillende weegschema's tussen auto- en cross-correlaties.
• Precisie: Voor een survey bestaande uit tien onafhankelijke patches bereikt de pijplijn een nauwkeurigheid op percentniveau in de vermogensspectra-schatting met afwijkingen $\lesssim 0.5\sigma$ tussen de mock en de model-spectra in het bereik $k \in [0.02, 0.2] \, h\text{Mpc}^{-1}$.

Betekenis
Het artikel positioneert meer21cm als een cruciale infrastructuur voor de huidige MeerKLASS-campagne en als een schaalbare fundering voor toekomstige SKAO intensiteitsmapping-surveys. Door ervoor te zorgen dat de theoretische modellering strikt voldo de survey-specificaties en observationele effecten volgt, adresseert de pijplijn de systematische complexiteiten die inherent zijn aan 21 cm data-analyse. De auteurs stellen dat de package een robuuste, consistente en geautomatiseerde analyse van grote volumes datasets mogelijk maakt, wat de transitie van single-patch validaties naar volledige survey kosmologische restricties vergemakkelijkt. De code is publiekelijk beschikbaar, goed gedocumenteerd en ontworpen om uitbreidbaar te zijn voor toekomstige ontwikkelingen zoals analytische covariantie-schatting, geavanceerde voorgrondreinigingsmethoden en volledige vorm kosmologische parameterinferentie.