Ridged Lagrangian Perturbation Theory (RLPT)

Título: Teoria de Perturbação Lagrangiana com "Ridging" (RLPT)

Autores: Francisco-Shu Kitaura e Francesco Sinigaglia
Contexto: O artigo aborda a necessidade de modelos forward rápidos para a estrutura em grande escala (LSS) que preservem as fases de grande escala, mas que também forneçam uma morfologia não linear realista em resoluções de força fixas, essenciais para a produção de catálogos de mocks (simulações sintéticas) para levantamentos como DESI, Euclid e Roman.

---

1. O Problema

As simulações de N-corpos de alta fidelidade são o padrão-ouro para a gravidade não linear, mas seu custo computacional é proibitivo para a geração massiva de mocks em grandes volumes e grades de parâmetros.

• Limitações das Soluções Atuais: Métodos aproximados baseados em Teoria de Perturbação Lagrangiana (LPT), como 2LPT ou ALPT (LPT com colapso esférico), são eficientes, mas tendem a produzir filamentos muito difusos e nós (knots) pouco pronunciados. Eles subestimam o aglomeramento em pequenas escalas e falham em capturar o "afinamento" não linear da densidade abaixo de algumas células da malha (mesh).
• O Dilema da Resolução Fixa: Em malhas com resolução fixa (comum em solvers acelerados como COLA, FastPM), as fases de grande escala são capturadas corretamente, mas a densidade não linear carece de aguçamento em pequenas escalas. Métodos iterativos (como eALPT) podem melhorar isso, mas degradam-se em resoluções muito grosseiras e não são projetados como correções puras de pós-processamento.

2. Metodologia: RLPT

Os autores propõem a Teoria de Perturbação Lagrangiana com "Ridging" (RLPT), um esquema modular de dois passos que separa explicitamente o transporte de longo alcance da resposta de curto alcance.

Passo 1: Transporte Lagrangiano de Longo Alcance

• As partículas são transportadas usando um operador LPT padrão (nLPT, 2LPT) ou ALPT.
• Isso garante a preservação correta das fases de grande escala e da evolução linear/tidal.
• O campo de densidade resultante é depositado em uma malha (usando, preferencialmente, tesselação tetraédrica para reduzir ruído e preservar anisotropias).

Passo 2: "Ridging" Euleriano (Completamento de Potencial de Curto Alcance)

Esta é a inovação central. Após o transporte, aplica-se uma correção de pós-processamento baseada no campo de densidade realizado:

1. Separação de Escala: O campo de densidade é filtrado no espaço de Fourier para isolar o componente de curto alcance ($\delta_{SR}$) usando um filtro suave (função erro ou logística).
2. Remapeamento de Colapso Esférico: O componente de curto alcance é submetido a uma relação de colapso esférico (SC) para regularizar o campo e simular o comportamento de colapso não linear.
3. Inversão de Poisson: Gera-se um deslocamento potencial puramente de curto alcance ($\vec{\Psi}_{SR}$) a partir do campo remapeado via inversão de Poisson.
4. Atualização: As posições das partículas são atualizadas uma única vez: $\vec{x}^{(2)} = \vec{x}^{(1)} + D_{SR}(z) \vec{\Psi}_{SR}$.

• Custo: Adiciona essencialmente apenas uma solução de equação de Poisson (duas FFTs: direta e inversa), sendo computacionalmente barato.

Extensões Propostas

• Ridging Vortical: Adição de um componente solenoidal (vorticidade) ao deslocamento, gerado a partir de acoplamento de modos não lineares, para melhorar a concordância em escalas muito profundas não lineares.
• SPRLPT (Smooth-Particle Ridging): Uma variante inspirada em Hidrodinâmica de Partículas Suavizadas (SPH). Em vez de usar malha/FFT, o deslocamento é calculado localmente no espaço das partículas usando kernels de densidade e gradientes de pressão. Isso permite correções "além da malha" (subgrid) sem depender da resolução da malha.

3. Contribuições Principais

1. Esquema de Dois Passos Eficiente: Introduz um método que mantém a eficiência do LPT de um único passo, mas corrige sistematicamente as deficiências de pequena escala através de uma camada de completamento explícita e barata.
2. Modelo Determinístico Subgrid: Demonstra que o "ridging" pode ser usado como um modelo de reposicionamento determinístico para traçadores (halos/galáxias) dentro de células de malha grosseira, controlando o aglomeramento em escalas menores que a resolução nominal da malha.
3. Importância da Atribuição de Massa: Destaca que, em malhas grosseiras, o esquema de atribuição de massa (especificamente a tesselação tetraédrica em vez do CIC padrão) é crucial para a precisão do campo de densidade e sinergiza com o método de ridging.
4. Flexibilidade de Calibração: O método possui um conjunto pequeno de parâmetros transparentes (escala de transição, fator de crescimento de curto alcance) que podem ser calibrados para ajustar a resposta não linear.

4. Resultados Numéricos

Os autores testaram o RLPT contra referências de alta fidelidade (FastPM e Abacus N-body):

• Melhoria no Espectro de Potência: O RLPT recupera significativamente o poder em altos números de onda ($k$) comparado ao 2LPT e ALPT padrão.
• Concordância de Campo: Em simulações de alta resolução ($L=100 h^{-1}$Mpc), o coeficiente de correlação cruzada com a referência de N-body em $z=0$ saltou de $\sim0.54$ (2LPT) para $\sim0.94$ (RLPT) em $k=0.5 h$ Mpc$^{-1}$.
• Desempenho em Malhas Grosseiras: Em malhas com resolução de $\sim5.5 h^{-1}$Mpc (comparável a levantamentos como DESI), o RLPT, combinado com tesselação tetraédrica, supera o ALPT padrão.
• Controle de Aglomeramento Subgrid: Na prova de conceito para posicionamento de halos, o RLPT (especificamente a versão SPRLPT) conseguiu restaurar o aglomeramento em pequena escala e eliminar artefatos de rede (picos no espectro de Fourier) que ocorrem quando os halos são simplesmente centralizados nas células, alcançando espectros de potência quase não viesados até $k \sim 8 h$ Mpc$^{-1}$.

5. Significado e Impacto

O RLPT oferece uma solução prática e modular para o desafio de gerar catálogos de mocks realistas para levantamentos cosmológicos de próxima geração:

• Custo-Benefício: Permite obter precisão de nível percentual em escalas quasi-não lineares com um custo computacional muito inferior ao de simulações N-body completas.
• Correção de Sistemáticas: Ao permitir o controle determinístico do aglomeramento em pequena escala (pares próximos), o método é vital para modelar sistemáticas observacionais sensíveis, como colisões de fibras em espectrógrafos.
• Versatilidade: Pode ser aplicado como uma correção de pós-processamento em qualquer solução LPT existente, adaptável a diferentes redshifts e resoluções, e estensível para modelar teorias de gravidade modificada ou matéria escura quente através do ajuste da resposta de curto alcance.

Em resumo, o RLPT preenche a lacuna entre a eficiência da perturbação linear e a precisão da simulação N-body, fornecendo um "botão de controle" calibrável para a física de pequena escala em modelos forward de estrutura em grande escala.