Singular Templates of Imaging Cherenkov Shower distribution (STOICS): A background estimation method for Very-High-Energy $\gamma$-ray observations

Resumo Técnico: STOICS – Um Método de Estimativa de Fundo para Observações de Raios Gama de Muito Alta Energia

1. O Problema

As análises de dados de Telescópios Cherenkov Atmosféricos de Imagem (IACTs), como o VERITAS, enfrentam um desafio crítico ao estudar fontes de raios gama estendidas (ex: remanescentes de supernova, nebulosas de vento de pulsar, halos de TeV).

• Limitação do Campo de Visão (FoV): Quando o tamanho angular de uma fonte excede ou ocupa uma parte significativa do campo de visão do instrumento (tipicamente 3,5° a 5,0°), não restam regiões "OFF" (fora da fonte) suficientes dentro do mesmo campo de visão para estimar o fundo de raios cósmicos.
• Falha dos Métodos Convencionais: Técnicas padrão, como o método de "Anel" (Ring Background) ou "Regiões Refletidas" (Reflected Region), dependem de regiões de controle livres da fonte para normalizar o fundo. Se a fonte preenche o FoV, essas regiões desaparecem, tornando impossível a estimativa de fundo sem introduzir grandes incertezas sistemáticas ou exigir observações adicionais de céus vazios (perdendo tempo de observação da fonte).
• Natureza do Fundo: O fundo irreduzível consiste em chuveiros de raios cósmicos (CR) mal classificados como raios gama (eventos "gama-like"), que mimetizam a emissão gama devido a decaimentos de $\pi^0$.

2. Metodologia: O Método STOICS

Os autores propõem o STOICS (Singular Templates of Imaging Cherenkov Shower distribution), uma técnica inovadora que utiliza a Decomposição em Valores Singulares (SVD) para modelar o fundo sem depender de regiões OFF dentro do campo de visão da fonte.

• Conceito Central: O método explora a correlação entre a distribuição espacial de eventos semelhantes a raios cósmicos (CR-like, que falharam na separação gama/hádron) e a distribuição de fundo de eventos semelhantes a raios gama (gama-like) dentro da mesma observação.
• Fluxo de Trabalho:
  1. Seleção de Dados: Utiliza-se uma matriz de modelos (template matrix) construída a partir de múltiplas observações "OFF" (céus vazios ou sem fontes conhecidas) que possuem condições de observação semelhantes (elevação, azimute, brilho do céu noturno) à observação da fonte de interesse ("ON").
  2. Definição de Regiões: O espaço de parâmetros (baseado nos parâmetros de Hillas, como comprimento e largura reduzidos escalados - $MSCL$e$MSCW$) é dividido em uma região de sinal (SR, onde passam os cortes de seleção gama) e sete regiões de controle CR (CR1-CR7, onde os eventos falham os cortes).
  3. Decomposição SVD: Os perfis espaciais (distribuições de contagem de eventos no plano do detector) das regiões CR das observações OFF são compilados em uma matriz. A SVD é aplicada para decompor essa matriz em vetores singulares ($\vec{v}_k$) e valores singulares ($\sigma_k$).
     • Os vetores singulares de baixa ordem capturam as características gerais da distribuição de fundo.
     • Os vetores de ordem superior capturam variações sutis dependentes das condições de observação.
  4. Construção do Modelo: O perfil de fundo real para a observação ON é aproximado como uma combinação linear dos vetores singulares. Os coeficientes de ponderação ($a_k$) são otimizados maximizando a verossimilhança de Poisson nas regiões CR da observação ON (mantendo a região de sinal SR "cega" durante o ajuste).
  5. Predição: Uma vez que os coeficientes são determinados nas regiões CR, o modelo é extrapolado para prever a distribuição de fundo na região de sinal (SR), permitindo a subtração do fundo e a detecção do sinal.

3. Contribuições Chave

• Independência de Regiões OFF Internas: O método permite a análise de fontes que preenchem todo o campo de visão, eliminando a necessidade de encontrar regiões livres de fontes dentro do mesmo FoV.
• Modelagem Espacial e Energética: O STOICS gera modelos de fundo que variam espacialmente (dentro do detector) e energeticamente, capturando efeitos sistemáticos como a variação da eficiência do detector com a elevação e a profundidade da atmosfera.
• Estimativa de Incerteza Sistemática: O artigo propõe uma métrica robusta para estimar a incerteza sistemática baseada nos resíduos nas regiões CR. Isso permite atualizar a significância estatística da detecção, evitando falsos positivos causados por erros de modelagem em exposições longas.
• Validação com Dados Reais: O método foi testado e validado utilizando dados arquivais do VERITAS, cobrindo uma ampla gama de condições de observação e tipos de fontes.

4. Resultados

• Precisão do Modelo: A análise de dados de "céu vazio" (135 horas de exposição) demonstrou que, ao aumentar o número de vetores singulares ($k_c$) e refinar o tamanho dos pixels, o modelo de fundo se torna mais preciso. Para exposições > 100 horas, o uso de pelo menos 32 vetores singulares e pixels menores que $0,57^\circ \times 0,57^\circ$ é recomendado.
• Correlação CR-SR: Foi estabelecida uma forte correlação entre a precisão do ajuste nas regiões CR e a precisão na região de sinal (SR). Isso valida o uso das regiões CR como indicadores de qualidade do modelo.
• Aplicações em Fontes Específicas:
  • Fontes Extragalácticas Pontuais (1ES 0229+200, H 1426+428): O método produziu mapas de significância uniformes fora da fonte, mesmo em exposições profundas (até 220 horas), onde erros sistemáticos normalmente se tornariam visíveis.
  • Fontes Galácticas (HESS J1943+213, Cas A): O método, treinado com dados extragalácticos, conseguiu modelar com sucesso o fundo em observações do plano galáctico (que possuem maior brilho de fundo), sem gerar falsos positivos.
  • Fontes Estendidas (MGRO J1908+06, MGRO J2019+37): O método detectou com sucesso fontes estendidas com extensões angulares > 1°, demonstrando sua capacidade de lidar com morfologias complexas onde métodos tradicionais falham.
• Robustez: Os mapas de significância resultantes mostram distribuições que seguem uma distribuição normal fora das fontes, indicando que o fundo foi subtraído corretamente.

5. Significância e Impacto Futuro

• Preparação para o CTAO: O Observatório do Telescópio Cherenkov (CTAO) terá um campo de visão variável e complexo. O STOICS é particularmente relevante para o CTAO, pois pode fornecer modelos de fundo pré-normalizados para os usuários, sem a necessidade de conhecimento prévio de todas as fontes no campo de visão.
• Ciência de Fontes Estendidas: O método é crucial para o estudo de fenômenos de grande escala, como halos de TeV, emissão difusa galáctica e ventos galácticos, onde a fonte pode ser maior que o campo de visão do instrumento.
• Redução de Sistemáticos: Ao permitir a modelagem de fundo baseada em dados reais de condições similares (em vez de simulações puras ou suposições de simetria radial), o STOICS reduz as incertezas sistemáticas, permitindo medições morfológicas mais precisas e confiáveis.

Conclusão: O STOICS representa um avanço significativo na análise de dados IACT, resolvendo o problema de estimativa de fundo para fontes estendidas através de uma abordagem estatística inteligente baseada em decomposição de dados, garantindo a viabilidade de estudos morfológicos detalhados na era dos telescópios de nova geração.