Toward testing gravity with LSST using $E_G$

Resumo Técnico: Testando a Gravidade com EG usando LSST e DESI

1. O Problema
O artigo aborda a necessidade de testar a natureza da gravidade em escalas cosmológicas utilizando dados de próxima geração (Stage IV), especificamente a combinação do Legacy Survey of Space and Time (LSST) do Observatório Rubin e o Dark Energy Spectroscopic Instrument (DESI). O foco é a estatística $E_G$, um estimador projetado para ser um teste de gravidade quase independente de modelos, combinando lentes gravitacionais galáxia-galáxia ($\Upsilon_{gm}$), aglomeramento de galáxias ($\Upsilon_{gg}$) e distorções no espaço de redshift ($\beta$).

Dois desafios principais são identificados:

• Dependência Teórica de $\Omega_M^0$: A previsão da Relatividade Geral (RG) para $E_G$ depende criticamente do valor atual da densidade de matéria ($\Omega_M^0$). À medida que os dados tornam-se mais precisos, a incerteza teórica devido à estimativa de $\Omega_M^0$ torna-se comparável à incerteza observacional, dificultando a distinção entre uma violação da RG e uma simples má estimativa de parâmetros cosmológicos.
• Efeitos Não Lineares e Viés de Galáxias: Em escalas menores (não lineares), a modelagem da formação de estruturas e o viés de galáxias não lineares podem introduzir vieses significativos. A questão central é se o $E_G$ pode ser utilizado em escalas não lineares sem perder sua robustez como teste de gravidade.

2. Metodologia
Os autores desenvolvem uma estrutura de previsão (forecasting) para a configuração LSST (fontes de lentes) + DESI (lentes espectroscópicas LRGs), considerando cenários de 1 ano e 10 anos de observação do LSST.

• Modelagem Teórica e Covariância:

  • Atualizam o quadro teórico para a matriz de covariância da estatística $E_G$, incluindo correlações cruzadas entre os três componentes ($\Upsilon_{gm}$, $\Upsilon_{gg}$ e $\beta$) que são frequentemente negligenciadas em estudos anteriores (Stage III).
  • Utilizam simulações N-body (com o código Rockstar e distribuições HOD) e métodos analíticos para estimar a covariância, adicionando ruído de forma (shape noise) de forma independente.
  • Verificam a validade da aproximação gaussiana para a distribuição de $E_G$.

• Tratamento de Escalas Não Lineares e Viés:

  • Investigam o impacto do viés de galáxias não linear e da formação de estruturas não linear na estatística $E_G$.
  • Propõem um método de calibração para corrigir o viés não linear utilizando um fator de correção $C_b(r_p)$, permitindo recuperar a sensibilidade a escalas menores sem introduzir vieses sistemáticos.

• Teste de Hipótese Bayesiano (Posterior Predictive Test):

  • Para resolver o problema da dependência de $\Omega_M^0$, os autores introduzem o teste preditivo posterior.
  • Em vez de assumir um valor fixo de $\Omega_M^0$, eles geram dados simulados sob teorias de gravidade alternativas (f(R) e nDGP), amostram $\Omega_M^0$ a partir de uma distribuição prior (baseada em dados existentes como DES ou Planck), ajustam o modelo de RG aos dados simulados e geram dados replicados.
  • Comparam a realização dos dados simulados com a distribuição de dados replicados para determinar a taxa de rejeição da hipótese nula (RG).

• Teorias de Gravidade Alternativas:

  • Testam cenários de gravidade modificada: Hu-Sawicki f(R) e nDGP (normal-branch Dvali-Gabadadze-Porrati), variando os parâmetros que definem o desvio da RG.

3. Principais Contribuições

• Estrutura de Covariância Stage IV: Fornecem uma estimativa completa da matriz de covariância para $E_G$ no contexto LSST+DESI, demonstrando que as correlações cruzadas entre os componentes são não desprezíveis devido ao alto volume de dados.
• Correção de Viés Não Linear: Demonstram que, embora o viés não linear degrade a estatística $E_G$ em pequenas escalas, é possível corrigi-lo eficazmente, permitindo o uso de dados em escalas menores do que o habitualmente permitido em testes de consistência.
• Framework Preditivo Posterior: Propõem e aplicam um método rigoroso para incorporar a incerteza de $\Omega_M^0$ nos testes de gravidade, superando a limitação de depender de valores fixos ou de margens de erro teóricas imprecisas.
• Análise de Poder de Detecção: Quantificam a capacidade de LSST+DESI de rejeitar a Relatividade Geral sob diferentes cenários de gravidade modificada e diferentes priors de $\Omega_M^0$.

4. Resultados Chave

• Influência Dominante do Prior de $\Omega_M^0$: O resultado mais crítico é que o poder de detecção de desvios da RG depende quase exclusivamente da precisão do prior de $\Omega_M^0$.
  • Com um prior de Stage III (ex: DES Year 3, $\sigma(\Omega_M^0) \approx 0.03$), a taxa de rejeição da RG é extremamente baixa (< 2-3%), mesmo para teorias com desvios significativos.
  • Com um prior de CMB (ex: Planck, $\sigma(\Omega_M^0) \approx 0.0084$), a taxa de rejeição aumenta drasticamente. Para o cenário f(R) com $f_{R0} = 10^{-4}$, a taxa de rejeição sobe para ~92%.
• Impacto do Volume de Dados (LSST Y1 vs Y10): A transição de 1 ano para 10 anos de dados do LSST tem um impacto marginal na capacidade de rejeitar a RG em comparação com a melhoria do prior de $\Omega_M^0$. A redução do ruído de forma não compensa a incerteza teórica de $\Omega_M^0$ se o prior for fraco.
• Robustez a Escalas Não Lineares: A estatística $E_G$ mostra-se robusta a efeitos não lineares de formação de estruturas (cancelamento mútuo no numerador e denominador), mas é sensível ao viés não linear de galáxias. A correção proposta permite reutilizar escalas menores sem perda de integridade do teste.
• Limitações das Teorias Testadas: As teorias testadas (f(R) e nDGP) produzem $E_G$ independente da escala. O estudo sugere que, se a gravidade real tivesse uma dependência de escala forte em $E_G$, a detecção seria mais fácil, mas as teorias "cavalo de trabalho" atuais não exibem esse comportamento nas escalas lineares/quase-lineares acessíveis.

5. Significado e Conclusão
O trabalho conclui que, para que a estatística $E_G$ atue como um teste de consistência poderoso e model-agnostic com os dados do LSST e DESI, é imperativo contar com conhecimento prévio de alta precisão sobre $\Omega_M^0$ (preferencialmente vindo de dados de CMB como Planck).

Sem essa precisão, a incerteza teórica na previsão da RG mascara qualquer sinal de gravidade modificada, tornando o teste estatisticamente fraco, independentemente da quantidade de dados de lentes e aglomeramentos coletados. O estudo enfatiza a necessidade de métodos de análise (como o teste preditivo posterior) que integrem consistentemente essas incertezas teóricas, em vez de tratá-las como ruído fixo. Além disso, a capacidade de corrigir viéses não lineares abre caminho para extrair mais informação de escalas menores, embora o gargalo principal permaneça a precisão dos parâmetros cosmológicos de fundo.