VERSUS: An excursion-set-inspired void-finder for the Stage-IV era

Resumo Técnico: VERSUS – Um Localizador de Vazios Inspirado no Conjunto de Excursão para a Era do Stage-IV

Declaração do Problema
Os vazios cósmicos servem como sondas únicas para informações não gaussianas, energia escura, neutrinos e gravidade modificada. No entanto, um desafio significativo na cosmologia de vazios é a discrepância entre previsões teóricas e medições observacionais. Modelos teóricos, especificamente o formalismo do conjunto de excursão (por exemplo, o modelo Vdn), preveem a abundância e a distribuição de tamanho de subdensidades esféricas e não sobrepostas com base no campo de densidade linear. Em contraste, localizadores de vazios topológicos padrão (como VIDE e REVOLVER) identificam vazios com base em algoritmos de bacia hidrográfica e tesselações de Voronoi. Esses métodos frequentemente produzem vazios não esféricos e exigem extenso pós-processamento (limpeza e redimensionamento) para aproximar as suposições esféricas dos modelos teóricos. Além disso, abordagens de modelagem baseadas em simulações existentes são computacionalmente caras e escalam mal com as grandes contagens de galáxias esperadas de levantamentos do Stage-IV (por exemplo, DESI, Euclid). Há uma necessidade de um algoritmo de localização de vazios que seja rápido, lide com geometrias complexas de levantamentos e produza um catálogo que corresponda diretamente às previsões do conjunto de excursão, sem exigir pós-processamento agressivo.

Metodologia
Os autores apresentam o VERSUS (Extração de Subdensidades Esféricas no Espaço Real de Vazios), um pacote modular em Python (com backends em C/Cython) projetado para identificar vazios que satisfazem os critérios do conjunto de excursão.

• Abordagem Algorítmica: O VERSUS opera em uma malha 3D derivada de um catálogo de traçadores (galáxias) e, opcionalmente, de um catálogo aleatório para contabilizar as funções de seleção do levantamento. Emprega convoluções iterativas usando Transformadas Rápidas de Fourier (FFTs) e um kernel de tampa superior esférica (STH) para suavizar o campo de densidade em raios de entrada específicos ($R_i$).
• Identificação de Vazios: O algoritmo varre o campo de densidade suavizado em busca de células onde o contraste de densidade integrado ($\delta_{sm}$) cai abaixo de um limiar especificado ($\Delta_v \approx -0,8$). Ele itera do maior para o menor raio de entrada.
• Fusão e Não Esfericidade: Uma característica fundamental é o tratamento de esferas sobrepostas. Em vez de impor estrita esfericidade, o VERSUS permite que vazios menores se fundam com estruturas sobrepostas maiores com base em uma fração de sobreposição definida pelo usuário ($f_{mg}$). Isso permite que o algoritmo recupere o volume efetivo de vazios não esféricos formados pela evolução não linear, mantendo a consistência com o quadro do conjunto de excursão.
• Geometria do Levantamento: Para dados reais de levantamentos, o VERSUS utiliza um catálogo "aleatório" para mapear a área de cobertura e a função de seleção do levantamento. Aplica uma interpolação de Nuvem de Forma Triangular (TSC) para definir os limites do levantamento e sinaliza células fora da máscara, garantindo estimativa precisa de densidade e cálculo de volume em geometrias complexas.
• Modelagem de Incerteza: Os autores derivam uma expressão analítica para a incerteza na estimativa do raio do vazio devido ao ruído de disparo dos traçadores. Esta função de "borramento" permite a convolução de previsões teóricas com o ruído de medição esperado, facilitando inferência cosmológica robusta.

Principais Contribuições

1. Correspondência Teórica Direta: O VERSUS é o primeiro localizador de vazios aplicado a distribuições de galáxias que alcança forte concordância com previsões do conjunto de excursão para a Função de Tamanho de Vazios (VSF) na faixa $25 < R [h^{-1}\text{Mpc}] < 61$, sem exigir limpeza ou redimensionamento pós-processamento.
2. Eficiência Computacional: O código é otimizado para velocidade, utilizando paralelização OpenMP. Ele escala com o número de células da grade ($N_{cells}$) e não com o número de galáxias ($N_{gal}$), tornando-o significativamente mais rápido (aprox. $8\times$) que o VIDE para grandes conjuntos de dados simulados do Stage-IV.
3. Tratamento de Geometrias Complexas: O algoritmo incorpora com sucesso máscaras de levantamentos complexas e funções de seleção dependentes do desvio para o vermelho via catálogos aleatórios, demonstrando prontidão para dados observacionais reais.
4. Quadro Analítico de Incerteza: O artigo fornece um método para quantificar e modelar o viés introduzido por escolhas de densidade de traçadores e binagem, oferecendo um caminho para incorporar esses efeitos diretamente em análises de verossimilhança.

Resultados
Os autores validaram o VERSUS contra dois tipos de simulação:

• População Sintética de Vazios: Usando uma distribuição uniforme de traçadores com vazios sintéticos embutidos, o VERSUS recuperou com precisão os centros e raios verdadeiros dos vazios. Em contraste, algoritmos topológicos (VIDE e REVOLVER) exigiram limpeza agressiva que removeu uma fração significativa de vazios genuínos (super-limpeza) e falharam em recuperar os perfis de densidade corretos.
• Mocks HOD do AbacusSummit: Aplicado a uma simulação $N$-body de alta fidelidade povoada com galáxias realistas (semelhantes a LRGs do DESI), o VERSUS produziu uma VSF que coincidiu com previsões teóricas usando um parâmetro de viés de vazio consistente ($b_v \approx 3,2$). Por outro lado, o catálogo VIDE limpo exigiu um parâmetro de viés inconsistente e menor ($b_v \approx 2$) para coincidir com a teoria, apesar de seus perfis de densidade sugerirem um viés maior.
• Área de Cobertura do Levantamento: Quando aplicado a um mock com a geometria do Cap Galáctico Sul CMASS do BOSS DR12, o VERSUS recuperou com precisão a VSF usando um catálogo aleatório para traçar a função de seleção, coincidindo com os resultados da caixa cúbica periódica.
• Desempenho: Em uma simulação de $(2 h^{-1}\text{Gpc})^3$, o VERSUS alcançou tempos de execução inferiores a 20 segundos (usando 16 threads) com uma resolução de grade de $500^3$ células, demonstrando adequação às demandas computacionais da análise de levantamentos do Stage-IV.

Significado
O artigo afirma que o VERSUS estabelece um caminho inovador para unificar abordagens analíticas e baseadas em simulações na cosmologia de vazios cósmicos. Ao gerar catálogos de vazios que são descritos de forma autoconsistente pela teoria do conjunto de excursão, o VERSUS elimina a necessidade de correções ad hoc ou ajustes não físicos aos parâmetros de viés. Sua velocidade computacional permite o uso de modelagem direta baseada em simulações (por exemplo, treinamento de emuladores ou inferência bayesiana) em grandes conjuntos de dados, o que anteriormente era computacionalmente proibitivo. Os autores posicionam o VERSUS como uma ferramenta robusta e amigável ao usuário, pronta para aplicação em dados reais de levantamentos do Stage-IV, prometendo restrições mais precisas sobre a física fundamental através da estatística de vazios.