RotCurves: A PYTHON package for efficient modelling and fitting of galactic rotation curves at high-z

Resumo Técnico: RotCurves – Um Pacote Python para Modelagem e Ajuste Eficiente de Curvas de Rotação Galáctica em Alto Redshift ($z$)

Problema
As curvas de rotação são fundamentais para compreender a estrutura, a dinâmica e os halos de matéria escura das galáxias. No entanto, analisar essas curvas em altos redshifts ($z$) apresenta desafios significativos devido ao enfraquecimento da brilho superficial e à resolução angular limitada. Essas limitações levam ao "beam smearing" (borramento de feixe), um suavizamento artificial dos gradientes de velocidade causado pela convolução da luz de grandes áreas físicas sobre a fonte. Corrigir esse efeito é crítico, mas computacionalmente caro. Ferramentas existentes de modelagem direta paramétrica, como o dysmalpy, constroem cubos de dados 3D ou 4D completos (incluindo dimensões espaciais e espectrais) para simular observações. Embora precisos, esses métodos são computacionalmente intensivos, muitas vezes exigindo segundos ou minutos por realização, o que dificulta a exploração rápida de parâmetros, o teste de múltiplas suposições de modelos de massa e o processamento de grandes amostras de futuros levantamentos de Unidades de Campo Integral (IFU). Há uma necessidade de uma ferramenta que equilibre a precisão da correção do beam smearing com a eficiência computacional.

Metodologia
Os autores apresentam o RotCurves, uma ferramenta de modelagem direta paramétrica projetada para ajustar curvas de rotação galáctica de forma eficiente, aproximando o processo de beam smearing em 2D em vez de 3D.

• Construção do Modelo: O código constrói um modelo de galáxia idealizado e axissimétrico em equilíbrio centrífugo. Ele calcula a velocidade circular intrínseca no plano médio galáctico somando as contribuições de vários componentes de massa:
  • Bárions: Modelados como discos ou bulges finos ou espessos usando perfis de Sérsic (incluindo perfis exponenciais e de de Vaucouleurs).
  • Matéria Escura: Modelada como halos esfericamente simétricos usando perfis como NFW, $\alpha$-NFW, Burkert, Einasto e Dekel-Zhao. O código inclui uma opção para contração adiabática do halo devido ao acúmulo bariônico.
  • Suporte de Pressão: O modelo corrige a velocidade de rotação observada para gradientes de pressão nos meios interestelares (ISM) turbulentos usando suposições de equilíbrio hidrostático, convertendo a velocidade circular intrínseca em velocidade rotacional observável com base na dispersão de velocidade ($\sigma_0$).
• Aproximação de Beam Smearing: Ao contrário das ferramentas que rotacionam um cubo galáctico 3D para coincidir com o céu e convolvem com uma Função de Espalhamento de Ponto (PSF), o RotCurves projeta o feixe no plano médio galáctico. Para um determinado ângulo de inclinação $i$, uma PSF gaussiana circular é transformada em uma Gaussiana bivariada com uma razão de eixo de $1/\cos(i)$. A velocidade observada e a dispersão de velocidade em um determinado raio são calculadas como médias ponderadas sobre este "feixe efetivo", contabilizando o perfil de emissão (ponderação de luz) e a projeção na linha de visada.
• Procedimento de Ajuste: O pacote inclui um motor de inferência Bayesiana integrado usando o amostrador MCMC emcee. Ele ajusta o modelo às curvas de rotação observadas minimizando uma função de log-probabilidade que compreende uma verossimilhança de mínimos quadrados e priors definidos pelo usuário (uniformes ou gaussianos) sobre parâmetros como massa bariônica, raio efetivo, razão bulbo-total, dispersão de velocidade intrínseca e massa do halo de matéria escura.

Principais Contribuições

1. Eficiência Computacional: O RotCurves alcança um tempo de execução de $\sim 10-20$ ms por realização para uma grade típica, o que é aproximadamente 250 vezes mais rápido que o dysmalpy (que leva $\sim 3-4$ segundos para a mesma tarefa). Esse aumento de velocidade é alcançado evitando a construção de hipercubos 4D completos.
2. Projeção de Feixe 2D: O artigo introduz e valida um método de projeção 2D para o beam smearing que contabiliza a inclinação sem exigir a integração de volume 3D completa.
3. Benchmarking: Os autores testam rigorosamente o RotCurves contra o dysmalpy usando observações sintéticas de um modelo de galáxia fiducial em $z=2$.

Resultados

• Precisão vs. dysmalpy: Para sistemas bem resolvidos (PSF FWHM $< R_{\text{eff}}$), o RotCurves reproduz as curvas de rotação e dispersão observadas simuladas geradas pelo dysmalpy com uma precisão de 5% até $3R_{\text{eff}}$. Em sistemas marginalmente resolvidos (PSF FWHM $\gtrsim 1.5 R_{\text{eff}}$), as discrepâncias aumentam para até 15%.
  • Diferenças Sistemáticas: O RotCurves tende a subestimar ligeiramente a dispersão de velocidade nas regiões internas (em $\sim 10\%$) porque considera apenas movimentos no plano médio, enquanto o dysmalpy integra partículas fora do plano médio que alargam a linha.
• Recuperação de Parâmetros: Usando ajuste MCMC em dados sintéticos, o RotCurves recupera com sucesso os parâmetros intrínsecos do modelo (massa, raio, dispersão, fração de matéria escura) através de uma ampla gama de propriedades galácticas.
  • Vieses: Surgem vieses sistemáticos para o raio efetivo ($R_{\text{eff}}$), que é frequentemente superestimado por um fator de $\sim 1.5$, e para baixas massas de disco ($M_{\text{disk}} \lesssim 3 \times 10^9 M_\odot$), onde a massa do disco é mal restringida.
  • Relação Sinal-Ruído (S/N): A recuperação de parâmetros é excelente em altos S/N ($\gtrsim 25$). Em S/N mais baixos, os desvios aumentam, particularmente para a massa do disco e frações de matéria escura. No entanto, a massa do bulbo e a dispersão de velocidade intrínseca permanecem relativamente robustas mesmo em S/N mais baixos.
• Limites de Inclinação: A ferramenta é mais adequada para inclinações entre $10^\circ$ e $80^\circ$.

Significância e Alegações
O artigo posiciona o RotCurves primariamente como uma ferramenta exploratória para testes rápidos de suposições de modelos de massa e estudos de parâmetros, em vez de um substituto para a modelagem 3D completa em todos os contextos. Sua significância reside na sua capacidade de:

• Processar eficientemente grandes amostras de dados observacionais de atuais e futuros levantamentos de IFU de grande escala (ex: VLT/MAVIS, JWST/NIRSpec, ELT/MOSAIC).
• Facilitar o teste de diferentes priors, formas de perfil e efeitos sistemáticos sem o custo computacional de simulações 3D completas.
• Fornecer estimativas rápidas e razoáveis de parâmetros para galáxias de alto redshift, servindo como um ponto de partida para análises mais detalhadas.

Os autores enfatizam que, embora o RotCurves seja altamente eficiente e preciso para sistemas bem resolvidos, os usuários devem exercer cautela ao interpretar resultados de sistemas mal resolvidos e de baixo S/N, onde os efeitos de beam smearing são mais severos e os vieses sistemáticos (particularmente em $R_{\text{eff}}$) são mais pronunciados. O código está disponível publicamente no GitHub.