A multitracer analysis for the eBOSS galaxy sample based on the effective field theory of large-scale structure

Resumo Técnico: Uma Análise de Múltiplos Traçadores para a Amostra de Galáxias eBOSS Baseada na Teoria de Campo Efetiva da Estrutura de Grande Escala

Enunciado do Problema
O artigo aborda o desafio de extrair restrições cosmológicas precisas de levantamentos da estrutura de grande escala (LSS), especificamente do eBOSS Data Release 16 (DR16). Enquanto os métodos tradicionais de ajuste de modelos (template-fitting) comprimem os dados em parâmetros de Alcock–Paczynski (AP) e distorção de redemoinho de velocidade (RSD), o que pode levar à perda de informação, as análises de forma completa (full-shape) utilizando a Teoria de Campo Efetiva da Estrutura de Grande Escala (EFTofLSS) permitem a utilização de mais modos de Fourier no regime quase não-linear. No entanto, as análises de EFTofLSS são suscetíveis a um "efeito de volume" (ou efeito de projeção), onde posteriors não-gaussianos levam a restrições cosmológicas enviesadas, particularmente quando as restrições dos dados são fracas. Além disso, análises conjuntas de múltiplos traçadores (por exemplo, Galáxias de Cor Vermelha Luminosas [LRGs] e Galáxias de Linhas de Emissão [ELGs]) requerem o tratamento cuidadoso de termos estocásticos nos espectros de potência cruzados e a mitigação de sistemáticas do levantamento, como a restrição de integral radial (RIC) e a incompletude angular.

Metodologia
Os autores realizam uma análise de forma completa de múltiplos traçadores no espaço de Fourier na amostra completa de LRG e ELG do eBOSS DR16, tanto no Cap Norte quanto no Cap Sul.

• Medição de Dados e Espectro de Potência: A análise utiliza o estimador de Yamamoto para medir os multipolos do espectro de potência anisotrópico ($\ell=0, 2, 4$) até $k_{\max} = 0.30 \, h \text{Mpc}^{-1}$. Os autores empregam um esquema de normalização específico (Eq. 7) baseado na atribuição Cloud In Cell (CIC) para evitar desajustes de amplitude causados pela incompletude angular. Para mitigar sistemáticas angulares na amostra ELG, eles utilizam o multipolo do "espectro de potência encadeado" (chained power spectrum).
• Modelo Teórico: O campo de densidade das galáxias é modelado usando o framework de EFTofLSS até a ordem de um loop, incluindo contra-termos e contribuições estocásticas. O modelo contabiliza o efeito Alcock–Paczynski e a convolução da janela do levantamento. Crucialmente, o modelo do espectro de potência cruzado inclui três graus de liberdade estocásticos adicionais para contabilizar potenciais correlações entre as populações LRG e ELG, em vez de assumir que elas são zero a priori.
• Mitigação do Efeito de Volume: Os autores investigam o impacto das escolhas de prior sobre o efeito de volume. Eles demonstram que combinar um prior de Jeffreys (que cancela o efeito de volume para parâmetros lineares) com um prior Gaussiano (que impõe condições perturbativas e exclui regiões não-físicas) mitiga efetivamente os vieses.
• Validação: O pipeline de análise é validado utilizando 1.000 realizações de EZmock do eBOSS. Estas incluem mocks "completos" (livres de sistemáticas) e "contaminados" (com sistemáticas observacionais injetadas). Os autores testam o pipeline escalonando as matrizes de covariância para suprimir efeitos de volume e verificam que os parâmetros cosmológicos recuperados não são enviesados.
• Estimativa de Parâmetros: A inferência Bayesiana é realizada usando o código Cobaya. A análise marginaliza sobre parâmetros de nulidade (nuisance parameters) lineares analiticamente para reduzir ainda mais o efeito de volume. O estudo compara duas configurações de prior: $\Pi_A$ (não informativa) e $\Pi_B$ (Jeffreys + Gaussiano).

Principais Contribuições

1. Implementação de Multitracer EFTofLSS: O artigo apresenta uma análise rigorosa de múltiplos traçadores combinando amostras LRG e ELG dentro do framework de EFTofLSS, modelando explicitamente os termos estocásticos do espectro de potência cruzado.
2. Otimização de Priors: Os autores identificam que a combinação de priors de Jeffreys e Gaussianos é crucial para análises de múltiplos traçadores para mitigar o efeito de volume enquanto evita regiões de parâmetros não-físicas. Eles mostram que confiar apenas em priors não informativos pode levar a restrições enviesadas, particularmente para $\sigma_8$ e $\ln(10^{10}A_s)$.
3. Tratamento de Sistemáticas: O trabalho detalha o tratamento da restrição de integral radial (RIC) usando EZmocks e o uso de espectros de potência encadeados para lidar com sistemáticas angulares de ELG, validando essas abordagens contra catálogos de mocks contaminados.
4. Análise de Termos Estocásticos: O estudo testa a hipótese de termos estocásticos nulos no espectro de potência cruzado. Embora os dados sejam consistentes com zero, os autores mostram que fixar esses termos em zero (Modelo MB) quebra degenerescências e aperta significativamente as restrições em comparação com o modelo completo (Modelo MA).

Resultos
Usando os dados do eBOSS DR16 com o prior $\Pi_B$ e assumindo termos estocásticos zero no espectro de potência cruzado (o resultado de base), os autores reportam as seguintes restrições (consistentes com Planck 2018):

• $H_0 = 70.0 \pm 2.3 \, \text{km s}^{-1}\text{Mpc}^{-1}$
• $\Omega_m = 0.317^{+0.017}_{-0.021}$
• $\sigma_8 = 0.787^{+0.055}_{-0.062}$
• $S_8 = 0.809^{+0.064}_{-0.078}$

Principais Descobertas:

• Melhoria sobre Traçador Único: A análise de múltiplos traçadores melhora as restrições em $\sigma_8$ em aproximadamente 27% comparado a uma análise de traçador único de LRG. As restrições em $\Omega_m$ melhoram em cerca de 10–25%.
• Efeito de Volume: O estudo confirma que, sem o prior de Jeffreys, a análise de múltiplos traçadores (especialmente quando combinada com os dados de ELG, que possuem restrições fracas) sofre de um severo efeito de volume, deslocando os valores de melhor ajuste.
• Sistemáticas: A inclusão de ELG e espectros de potência cruzados desloca $H_0$ em $\sim 1\sigma$ em relação à análise apenas de LRG, o que os autores atribuem a efeitos residuais de RIC no espectro cruzado, embora o deslocamento permaneça dentro da incerteza estatística.
• Consistência: Os resultados são consistentes com Planck 2018 ao nível de $\lesssim 1.3\sigma$ e com resultados anteriores de template-fitting do eBOSS ao nível de $\lesssim 0.9\sigma$. A Figura de Mérito (FoM) para parâmetros cosmológicos melhora em 62.7% em relação à análise de LRG única.

Significância
O artigo afirma que sua análise de forma completa de múltiplos traçadores demonstra a eficiência do framework EFTofLSS em extrair informação cosmológica de levantamentos atuais e futuros. Ao mitigar com sucesso o efeito de volume através de escolhas específicas de priors e validar o pipeline contra sistemáticas realistas, os autores mostram que a análise de múltiplos traçadores pode aumentar significativamente as restrições sobre o crescimento da estrutura ($\sigma_8$), mesmo com a área de sobreposição limitada dos dados atuais do eBOSS. A metodologia é apresentada como diretamente aplicável a futuros levantamentos como o DESI, que observarão múltiplos traçadores com maiores densidades numéricas, potencialmente oferecendo melhorias ainda maiores nas restrições cosmológicas ao quebrar degenerescências entre parâmetros estocásticos e cosmológicos.