Forecast Cosmological Constraints with the 1D Wavelet Scattering Transform and the Lyman-$α$ forest

Enunciado do Problema
A floresta Lyman-$\alpha$ serve como uma sonda crítica para estruturas de pequena escala, oferecendo insights sobre matéria escura, massa de neutrinos, física inflacionária e a história térmica do meio intergaláctico (IGM). No entanto, extrair informações cosmológicas deste regime não linear é um desafio. As análises atuais que dependem do espectro de potência de fluxo 1D estão se tornando dominadas por sistematismos em grandes levantamentos como o SDSS e o DESI. Além disso, estatísticas de ordem superior tradicionais, como o bisspectro, sofrem com o aumento da variância e redução da robustez a valores atípicos (outliers) em distribuições altamente não gaussianas. Há uma necessidade demonstrada de novas estatísticas de resumo capazes de extrair informação não gaussiana do campo de densidade não linear sem os requisitos de treinamento ou problemas de interpretabilidade associados a abordagens de aprendizado profundo (deep learning).

Metodologia
Os autores propõem o uso da Transformada de Espalhamento de Wavelet (WST) 1D como uma estatística de resumo para a cosmologia da floresta Lyman-$\alpha$. A WST é uma técnica de processamento de sinal determinística e matematicamente robusta que convolui o campo de fluxo de entrada com wavelets de valor complexo em diferentes escalas, seguido por operações de módulo e filtragem passa-baixa. Este processo separa a informação através das escalas e extrai estatísticas de ordem superior (até segunda ordem neste estudo) que são estáveis contra pequenas deformações e ruído.

Para prever o poder de restrição da WST, os autores utilizaram:

• Simulações: Um conjunto de 10 simulações hidrodinâmicas (usando MP-Gadget) contendo $2 \times 256^3$ partículas em uma caixa de $40 \text{ Mpc}/h$. Destas, 32.000 espectros de absorção Lyman-$\alpha$ foram gerados nos redshifts $z=2, 3, 4$.
• Parâmetros: A análise focou em quatro parâmetros cosmológicos e térmicos: o índice espectral do espectro de potência primordial ($n_P$) e amplitude ($A_P$), e parâmetros térmicos do IGM ($H_A$ e $H_S$).
• Modelagem de Ruído: O ruído observacional realista foi simulado adicionando ruído Gaussiano a cada espectro, com a razão contínuo-ruído (CNR) extraída de uma distribuição log-normal ajustada aos dados do SDSS DR16Q.
• Estrutura Estatística: Uma matriz de informação de Fisher foi construída para estimar as restrições de parâmetros. A matriz de covariância foi estimada usando 2.000 realizações de ruído aleatório. Os autores compararam a informação de Fisher derivada dos coeficientes da WST contra a do espectro de potência de fluxo 1D padrão.

Principais Contribuições e Resultados
O estudo demonstra que a WST captura uma quantidade significativa de informação cosmológica não presente no espectro de potência de fluxo.

• Conteúdo de Informação: Os coeficientes de wavelet de segunda ordem, que sondam a informação não gaussiana, contribuem com aproximadamente 50% de informação extra para a matriz de Fisher em comparação com os coeficientes de primeira ordem isolados.
• Restrições de Parâmetros: A WST fornece restrições substancialmente mais rigorosas sobre parâmetros cosmológicos do que o espectro de potência. Especificamente, as incertezas posteriores estimadas ($\sigma_X$) para os parâmetros $n_P$, $A_P$, $H_S$ e $H_A$ são melhoradas por um fator de 30 a 60 ao usar os coeficientes combinados da WST.
• Redução de Dimensionalidade: Os autores estimam que a WST reduz o volume do espaço de parâmetros 4D em um fator de $10^6$ em comparação com o espectro de potência.
• Sensibilidade: Os coeficientes da WST são menos sensíveis ao fluxo médio ($\tau_{\text{eff}}$) do que o espectro de potência (mudando em $\sim 2,5\%$ para uma mudança de 10% no fluxo, contra $\sim 7\%$ para o espectro de potência), sugerindo uma potencial redução na degenerescência entre $\tau_{\text{eff}}$ e a amplitude primordial $A_P$.
• Dependência de Redshift: O conteúdo de informação atinge o pico em $z=3$ para a maioria dos parâmetros, enquanto o parâmetro térmico $H_A$ é mais restrito em $z=2$.

Significância e Alegações
O artigo afirma que a Transformada de Espalhamento de Wavelet 1D oferece uma abordagem nova e poderosa para extrair informação cosmológica da floresta Lyman-$\alpha$, superando o tradicional espectro de potência de fluxo por um fator de ordem de magnitude ou mais em poder de restrição. Os autores postulam que, se essas melhorias forem concretizadas nos dados futuros do Dark Energy Spectroscopic Instrument (DESI), a WST poderá permitir:

• Restrições sobre a corrida inflacionária ($\alpha_s$) suficientes para testar modelos inflacionários comuns que preveem $\alpha_s = -6 \times 10^{-4}$.
• Restrições de massa de neutrino melhoradas o suficiente para alcançar uma detecção de $5\sigma$ da massa mínima de neutrino.

Os autores permanecem modestos quanto às limitações atuais de sua previsão, observando que a abordagem da matriz de Fisher negligencia degenerescências de parâmetros e que o pequeno tamanho da caixa de simulação provavelmente leva a previsões pessimistas para o índice espectral $n_P$. Eles reconhecem que uma análise de verossimilhança completa e um tratamento robusto de erros sistemáticos (como o ajuste de contínuo) são passos futuros necessários antes de aplicar estes métodos aos dados reais do DESI. No entanto, este trabalho estabelece que a WST preserva significativamente mais informação do que o espectro de potência, abrindo a possibilidade de melhorar as restrições de parâmetros em múltiplos fatores de ordem de magnitude.