Impact and interplay of $Λ$CDM analysis choices for LSST cosmic shear

Título: Impacto e Interação das Escolhas de Análise ΛCDM para o Cisalhamento Cósmico do LSST

Autores: N. C. Robertson et al. (LSST DESC)
Data da Versão: 3 de Março de 2026

---

1. Problema e Contexto

O Observatório Vera C. Rubin (LSST) e a missão Euclid estão prestes a realizar levantamentos de "céu completo" com poder estatístico sem precedentes para o estudo do cisalhamento cósmico (lente gravitacional fraca). O objetivo principal é medir parâmetros cosmológicos, especificamente o parâmetro composto $S_8 \equiv \sigma_8 \sqrt{\Omega_m/0.3}$, que descreve a densidade de matéria e a amplitude das flutuações de densidade.

O problema central abordado neste estudo é a incerteza sistemática introduzida pelo feedback de bárions (efeitos de processos astrofísicos não gravitacionais, como aquecimento por AGNs e formação estelar) na distribuição de matéria em pequenas escalas físicas. Além disso, o estudo investiga o desafio da calibração de redshifts fotométricos para o LSST na sua fase final (Y10), onde a profundidade do levantamento excederá a capacidade de amostras espectroscópicas representativas, exigindo estratégias alternativas de calibração que podem ser menos precisas.

O objetivo é definir um quadro de análise robusto que recupere restrições cosmológicas não enviesadas dentro do modelo $\Lambda$CDM, considerando essas sistemáticas, antes de tentar restringir modelos mais complexos de energia escura ($w_0w_a$CDM).

2. Metodologia

Os autores realizaram previsões (forecasts) utilizando dados simulados (mocks) para o primeiro ano (Y1) e o décimo ano (Y10) do LSST.

• Simulações e Modelos:
  • Utilizaram as simulações hidrodinâmicas FLAMINGO para gerar os dados "verdadeiros" (mocks), incluindo supressão do espectro de potência da matéria devido ao feedback de bárions.
  • Compararam diferentes modelos teóricos para analisar esses dados:
    • HMCODE2020: Um modelo de halo com um parâmetro livre ($\Theta_{AGN}$) para modular a força do feedback.
    • SP(K): Um emulador flexível baseado em simulações ANTILLES, com quatro parâmetros livres descrevendo a fração de bárions em função da massa do halo.
  • Alinhamento Intrínseco (IA): Testaram o modelo padrão NLA-z (duas parâmetros) e o modelo TATT (cinco parâmetros).
• Estratégias de Mitigação de Sistemáticas:
  • Cortes de Escala (Scale Cuts): Remoção de dados em escalas angulares pequenas (altos $\ell$) onde o modelo de feedback é incerto. Definiram cortes baseados em $K_{max}$ (relacionado a $k$-espaço).
  • Marginalização: Uso de priors (informados e não informados) sobre os parâmetros de feedback para marginalizar a incerteza.
  • Calibração de Redshift:
    • Y1: Assumiram calibração precisa ($\delta z \sim 0.002(1+z)$) baseada em amostras espectroscópicas existentes (C3R2).
    • Y10: Assumiram uma degradação significativa na precisão ($\delta z \sim 0.015$) devido à falta de amostras espectroscópicas representativas, dependendo de técnicas de correlação cruzada.
• Métrica de Sucesso: A precisão na recuperação do valor verdadeiro de $S_8$. O sucesso é definido como um viés (offset) menor que $0.5\sigma$ em relação ao valor verdadeiro, após corrigir efeitos de projeção (projection bias).

3. Principais Contribuições e Resultados

A. Impacto do Feedback de Bárions

• Degradação da Precisão: Ao contabilizar a incerteza atual sobre a supressão do espectro de potência por feedback de bárions, o erro no parâmetro $S_8$ quase dobra em comparação com uma análise que ignora esse fenômeno ou assume um modelo perfeito.
• Ineficácia de Cortes de Escala Isolados: Uma análise que utiliza apenas cortes de escala (excluindo dados em altos $\ell$) para evitar o feedback resulta em um viés inaceitável ($\sim 1.8\sigma$) ou perde quase todo o poder de restrição, tornando os resultados comparáveis a levantamentos anteriores (como DES e KiDS).
• Necessidade de Modelos e Priors: A combinação de cortes de escala moderados ($K_{max} < 0.5$, ou $\ell_{max} \sim 700$) com a marginalização sobre um modelo de feedback (HMCODE2020) usando um prior informado (baseado em FLAMINGO) é a estratégia mais eficaz. Isso permite recuperar $S_8$ sem viés, embora com uma perda de precisão de ~20% em relação a um cenário ideal sem incertezas de feedback.

B. Comparação entre Modelos (HMCODE2020 vs. SP(K))

• O modelo mais flexível SP(K) (4 parâmetros) consegue recuperar os dados de entrada com alta precisão. No entanto, sem priors externos muito rigorosos sobre os parâmetros do emulador, a marginalização sobre o espaço de parâmetros do SP(K) remove a maior parte da informação cosmológica em altos $\ell$, resultando em restrições semelhantes às do HMCODE2020 com cortes de escala.
• Analisar em "todas as escalas" (até $\ell_{max}=5000$) com SP(K) sem priors fortes introduz um viés de ~0.7$\sigma$ devido a discrepâncias sutis entre o emulador e a simulação de entrada.

C. O Desafio do Ano 10 (Y10) e Calibração de Redshift

• Este é um dos achados mais críticos: apesar do aumento de profundidade e densidade de galáxias no Y10, a degradação na calibração de redshifts fotométricos (devido à falta de espectroscopia representativa) anula quase completamente o ganho estatístico.
• As restrições de $S_8$ para o Y10, com a incerteza de redshift atual ($\delta z \sim 0.015$) e a marginalização de feedback, são apenas ligeiramente melhores (ou quase iguais) às do Y1.
• O estudo conclui que, sem avanços na calibração de redshifts (para atingir a precisão do Y1) e em modelos de feedback, o Y10 não cumprirá suas expectativas de precisão.

D. Alinhamento Intrínseco e Modelos de Energia Escura

• A escolha entre o modelo NLA-z e o TATT não impactou significativamente as restrições de $S_8$ neste cenário específico (onde o "verdade" segue NLA-z).
• Em análises conjuntas ($3\times2$ pontos) focadas em energia escura ($w_0w_a$CDM), o viés em $S_8$ causado por um modelo de feedback imperfeito tem um impacto menor nos parâmetros de energia escura do que no modelo $\Lambda$CDM puro. Isso explica por que estudos anteriores (como Boruah et al. 2024) podem ter subestimado o impacto do feedback: eles focaram em $w_0w_a$ e não em $S_8$ isolado.

4. Significância e Conclusões

• Prioridade para a Comunidade: O estudo enfatiza que a compreensão e a modelagem do feedback de bárions e o desenvolvimento de métodos de calibração de redshifts fotométricos para profundidades extremas são prioridades absolutas para o LSST e o Euclid.
• Requisitos de Precisão: Para que o LSST Y10 realize previsões de precisão percentual, é necessário:
  1. Restrições observacionais externas (ex: correlações cruzadas com efeito SZ térmico ou raios-X) para impor priors apertados nos modelos de feedback.
  2. Melhoria na precisão da calibração de redshifts para o Y10, aproximando-se da precisão alcançável no Y1.
• Potencial Futuro: Se essas sistemáticas forem controladas (com priors apertados no feedback e calibração de redshift de alta precisão), o LSST poderá fornecer restrições em $S_8mais de cinco vezes mais precisas do que os levantamentos de cisalhamento cósmico existentes (como DES e KiDS).
• Mensagem Central: A análise de cisalhamento cósmico para o LSST não pode depender apenas de cortes de escala ou de modelos teóricos perfeitos. A robustez contra sistemáticas astrofísicas e a qualidade dos dados de calibração são os fatores limitantes que determinarão o sucesso científico da missão.