Fast and accurate Gaia-unWISE quasar mock catalogs from LPT and Eulerian bias

Resumo Técnico: Catálogos Mock de Quasares Gaia-unWISE Rápidos e Precisos via LPT e Viés de Euler

1. O Problema

Na era da cosmologia de precisão, grandes campanhas observacionais (como DESI, Euclid e o futuro telescópio Roman) estão gerando conjuntos de dados fotométricos e espectroscópicos sem precedentes. Entre os traçadores cosmológicos, os quasares (QSOs) são valiosos devido ao seu brilho intrínseco, permitindo observações em uma ampla faixa de redshift ($z \sim 0$ a $z \sim 4$).

O Catálogo de Quasares Gaia-unWISE (Quaia) é um catálogo de todo o céu que combina dados do Gaia e do WISE, cobrindo aproximadamente 64% do céu com milhões de quasares. Para extrair informações cosmológicas robustas deste catálogo (como estimar matrizes de covariância, testar pipelines e validar técnicas de análise), é necessário gerar catálogos "mock" (simulados) que reproduzam fielmente as propriedades estatísticas e os efeitos observacionais dos dados reais.

Os desafios principais para gerar esses mocks são:

• Volume Cosmológico: O catálogo cobre todo o céu até $z \sim 4$, exigindo um volume simulado enorme ($V \approx (10 \, h^{-1} \text{Gpc})^3$).
• Evolução do Redshift: É necessária uma evolução suave do campo de matéria escura ao longo do tempo, não apenas um "snapshot" único, para modelar corretamente a evolução do viés e estatísticas de agrupamento.
• Custo Computacional: Simulações de N-corpos completas para gerar centenas de realizações independentes são computacionalmente proibitivas.
• Conexão Física: É necessário um modelo de viés preciso que conecte o campo de matéria escura à distribuição de quasares, considerando efeitos não-lineares e não-locais.
• Sistemáticas Observacionais: Os mocks devem incorporar efeitos reais como incertezas de redshift espectrofotométrico, funções de seleção angular e distribuições de contagem de redshift ($n(z)$).

2. Metodologia

Os autores desenvolveram um fluxo de trabalho end-to-end para gerar 100 realizações de catálogos mock de quasares. O processo divide-se em duas fases principais: geração de catálogos espectroscópicos "limpos" e injeção de efeitos observacionais.

A. Geração de Campos de Matéria Escura (Lightcones)

• Utilizou-se o código WebON, que implementa a Teoria de Perturbação Lagrangiana Aumentada (ALPT) em geometria de lightcone.
• O método combina uma componente de longo alcance (2LPT filtrada) e uma componente de curto alcance (modelo de colapso esférico) para gerar campos de densidade e velocidades de matéria escura.
• Foram geradas 100 realizações com volume $(10 \, h^{-1} \text{Gpc})^3$ em uma malha de $1800^3$ células (resolução $\sim 5.5 \, h^{-1} \text{Mpc}$), cobrindo $z=0$ a $z \sim 4$ com evolução suave.

B. Modelo de Viés (Hicobian)

• Para povoar o campo de matéria escura com quasares, aplicou-se um novo esquema de viés hierárquico não-local e não-linear chamado Hicobian.
• O modelo classifica cada célula do espaço em 16 ambientes diferentes baseados na topologia da "teia cósmica" (T-web e D-web), utilizando autovalores dos tensores de maré e curvatura.
• A distribuição de contagem de quasares segue uma distribuição binomial negativa, permitindo modelar a super-dispersão (overdispersion) típica de traçadores cosmológicos.
• Calibração: Os parâmetros do modelo foram calibrados primeiro em catálogos de referência de quasares gerados via HOD (Halo Occupation Distribution) nas simulações AbacusSummit (ajustados aos dados do DESI Early Data Release). Posteriormente, o modelo foi "afinado" (fine-tuned) para reproduzir o agrupamento angular observado no catálogo Quaia, ajustando especificamente o expoente da lei de potência ($\alpha$) para corrigir a amplitude do viés.

C. Atribuição de Posições e Distorções de Espaço de Redshift (RSD)

• Posições: Utilizou-se um modelo de sub-grade (subgrid) que atribui posições de quasares dentro de cada célula da malha, baseando-se nas posições das partículas de matéria escura existentes (ALPT). Se o número de quasares exceder o de partículas, usa-se amostragem uniforme aleatória.
• RSD: As posições reais foram deslocadas para o espaço de redshift usando um modelo de distorção que inclui fluxos coerentes de larga escala e dispersão de velocidades em pequena escala (efeito "Fingers-of-God"), com parâmetros dependentes do ambiente da teia cósmica.

D. Injeção de Efeitos Observacionais (Quaia-like)
Para transformar os mocks espectroscópicos em mocks realistas do Quaia, aplicaram-se três correções:

1. Incertezas de Redshift: Adição de um desvio aleatório gaussiano baseado na curva de erro de redshift ($\Delta z$ vs $z$) medida no Quaia.
2. Função de Seleção Angular: Aplicação da máscara de seleção do Quaia (que exclui o plano galáctico e varia com o redshift) para subamostrar os quasares.
3. Distribuição $n(z)$: Subamostragem do catálogo para corresponder exatamente à distribuição de contagem de redshift observada no Quaia.

3. Contribuições Principais

• Catálogos Públicos: Disponibilização de 100 catálogos mock completos (com e sem efeitos observacionais) para as amostras $G < 20.5$ e $G < 20$, cobrindo todo o céu até $z \sim 4$.
• Novo Modelo de Viés: Implementação e calibração do esquema Hicobian, que melhora a precisão em pequenas escalas ao considerar a classificação hierárquica da teia cósmica.
• Metodologia Eficiente: Demonstração de que é possível gerar mocks de alta fidelidade para grandes volumes e múltiplos redshifts utilizando ALPT e modelos de viés paramétricos, evitando o custo proibitivo de simulações de N-corpos completas.
• Validação Rigorosa: Validação abrangente das estatísticas de resumo (mapas, $n(z)$, funções de correlação, espectros de potência e matrizes de covariância) comparando diretamente com os dados reais do Quaia.

4. Resultados

A validação dos catálogos mock mostrou um excelente acordo com o catálogo Quaia real em todas as estatísticas testadas:

• Mapas e Distribuições: Os mapas de contagem de quasares e as distribuições de redshift ($n(z)$) reproduzem visual e estatisticamente os dados observados.
• Incertezas de Redshift: A distribuição de erros de redshift em função do redshift é reproduzida com alta precisão.
• Agrupamento Angular:
  • As funções de correlação de dois pontos ($w(\theta)$) e os espectros de potência angular ($C_\ell$) mostram concordância excelente entre a média dos 100 mocks e os dados do Quaia em quase todas as escalas angulares.
  • Uma pequena divergência ($< 2\sigma$) foi observada em escalas angulares muito pequenas ($\theta \lesssim 0.3^\circ$) no bin de alto redshift, atribuída à falta de amplitude de agrupamento em pequenas escalas no modelo de sub-grade, mas considerada irrelevante para a maioria das análises do Quaia.
• Matrizes de Covariância: As matrizes de covariância normalizadas dos espectros de potência são bem comportadas, positivas definidas e sem estruturas não físicas, validando sua utilidade para análises cosmológicas.
• Impacto de Sistemáticas: A análise mostrou que a função de seleção angular e as incertezas de redshift têm impacto negligenciável na maioria das escalas de potência angular (exceto em $\ell \lesssim 50$ para a amostra $G<20$ devido à máscara), confirmando a robustez dos mocks.

5. Significância

Este trabalho fornece uma ferramenta essencial para a comunidade cosmológica que utiliza os dados do Quaia.

• Análise de Dados Reais: Os mocks permitem a estimativa precisa de matrizes de covariância, fundamentais para medir parâmetros cosmológicos com erros corretos.
• Teste de Pipelines: Servem como um "benchmark" ideal para testar a capacidade de pipelines de análise de lidar com sistemáticas observacionais complexas.
• Futuras Aplicações: Os catálogos serão usados para estudos futuros sobre a detecibilidade do sinal BAO (Oscilações Acústicas de Bárions) no Quaia, técnicas de reconstrução do campo de densidade e análise de agrupamento 3D.
• Acesso Aberto: A disponibilização pública dos dados no Zenodo garante que a comunidade possa reproduzir e expandir as análises do catálogo Quaia, acelerando a descoberta cosmológica.

Em suma, o artigo apresenta uma solução robusta, rápida e precisa para a geração de mocks de quasares em grande escala, preenchendo uma lacuna crítica para a análise de dados de levantamentos de todo o céu como o Quaia.