Updating the PATH framework with FRB host galaxy models

Resumo Técnico: Atualização do Framework PATH com Modelos de Galáxias Hospedeiras de FRBs

Definição do Problema
A identificação de galáxias hospedeiras para Rápidos de Radio de Escala de Milissegundos (FRBs) é crítica para compreender seus progenitores e para utilizar a população de FRBs no estudo da distribuição cosmológica de gás ionizado via relação redshift-dispersão de medida (DM). A metodologia padrão para associar FRBs a galáxias hospedeiras é o framework bayesiano Probabilistic Association of Transients to their Hosts (PATH). No entanto, a aplicação atual do PATH enfrenta duas limitações primárias:

1. Priors Genéricos: O framework depende de distribuições de probabilidade (priors) simplificadas para magnitudes e deslocamentos (offsets) de galáxias hospedeiras, desenvolvidas quando pouco se sabia sobre os hospedeiros de FRBs. Ele não incorpora atualmente priors motivados fisicamente derivados do DM do FRB, que fornece um limite superior rigoroso para a distância e, consequentemente, para a magnitude aparente.
2. Viés de Limiar (Threshold Bias): A interpretação da saída do PATH frequentemente envolve o descarte de candidatos a hospedeiros com probabilidades posteriores abaixo de um limiar arbitrário (ex: 90%). Esta abordagem falha em considerar a distribuição posterior completa ponderada por todas as propriedades dos candidatos, o que pode introduzir viés nas propriedades intrínsecas inferidas dos hospedeiros de FRBs.

Metodologia
Os autores estendem o framework PATH para incorporar priors motivados fisicamente baseados na magnitude aparente esperada ($m_r$) de uma galáxia hospedeira de FRB como uma função do redshift ($z$). A metodologia envolve três componentes principais:

1. Extensão do Framework: Os autores rederivam as probabilidades posteriores do PATH para contabilizar explicitamente a probabilidade de observar um conjunto específico de galáxias candidatas ($x, N_O$) dado que o verdadeiro hospedeiro é ou um candidato específico ($O_i$) ou está não visto ($U$). Eles introduzem um fator de normalização baseado na densidade numérica angular de galáxias $\rho(m)$, garantindo que os priors sejam atualizados corretamente com base na profundidade da imagem observada e na magnitude específica dos candidatos.
2. Modelos de Magnitude de Hospedeiro ($P(m_r|z)$): Três modelos distintos são desenvolvidos para prever a distribuição de magnitudes de galáxias hospedeiras dado um redshift:
   • Marnoch23 (Empírico): Um ajuste gaussiano às curvas de $m_r(z)$ observadas de 23 hospedeiros de FRB conhecidos (Marnoch et al. 2023). Este modelo é orientado por dados, mas limitado a $z < 0,5$ e sujeito aos vieses de seleção da amostra original.
   • Loudas25 (Preditivo): Um modelo baseado no pacote GALFRB, que gera populações de galáxias ponderadas pela massa estelar ($M_*$) e taxa de formação estelar (SFR). O modelo utiliza um parâmetro de mistura $f_{SFR}$ para interpolar entre distribuições ponderadas por massa e por SFR, permitindo testes para verificar se os FRBs seguem a formação estelar ou a massa estelar.
   • Naive (Paramétrico): Um modelo genérico que assume uma distribuição fixa de magnitudes absolutas ($M_r$) escalada para magnitude aparente via distância de luminosidade e um termo de correção $K$ simplificado. Este modelo não contém suposições astrofísicas sobre as origens dos FRBs.
3. Integração com DM: Os modelos são combinados com a distribuição de probabilidade de redshift dado o DM extragaláctico, $P(z|DMEG)$, calculado usando o código ZDM. Isso permite o cálculo dos priors $P(O_i)$ e $P(U)$ para cada FRB com base no seu DM específico e na profundidade da imagem de acompanhamento óptico.

O framework é aplicado a 32 FRBs detectados pelo Australian SKA Pathfinder (ASKAP) em modo de soma incoerente (ICS) pela pesquisa CRAFT, para os quais há dados de acompanhamento óptico (VLT/FORS2) disponíveis.

Principais Contribuições

• Atualização Formal ao PATH: O artigo fornece uma atualização matemática rigorosa ao framework PATH, corrigindo a normalização dos priors para considerar a probabilidade de um hospedeiro ser não visto ($P(U)$) e a distribuição de magnitude específica do campo observado.
• Priors Motivados Fisicamente: Introduz a capacidade de usar o DM de um FRB para informar a probabilidade a priori da magnitude aparente de sua galáxia hospedeira, indo além de suposições genéricas.
• Comparação de Modelos: Estabelece um framework comparativo para três modelos de distribuições de magnitude de hospedeiros de FRB, ajustando-os contra uma amostra de 32 FRBs ASKAP/ICS.
• Quantificação de Viés: O trabalho quantifica o viés introduzido pelos métodos anteriores de limiar de "hospedeiro firme" e demonstra como os priors atualizados deslocam as probabilidades posteriores.

Resultos

• Aumento de Confiança: A aplicação do framework PATH atualizado com os novos priors aumenta a confiança nos hospedeiros mais prováveis para a amostra ASKAP/ICS. Muitos candidatos anteriormente abaixo do limiar "firme" (ex: FRB 20210807D e FRB 20240210A) são promovidos a associações de quase certeza ($P(O|x) \approx 1,0$).
• Distribuição de Magnitude de Hospedeiro:
  • O modelo Loudas25 produz um parâmetro de mistura de melhor ajuste de $f_{SFR} = 3,0$. Este valor é não físico (excedendo o intervalo $0 \le f_{SFR} \le 1$), mas indica que a verdadeira distribuição de hospedeiros de FRB é significativamente mais tênue do que uma distribuição puramente ponderada por SFR. Os autores relatam um p-valor de 0,12% de que os hospedeiros são mais tênues do que uma distribuição ponderada por SFR, e um p-valor de $10^{-9}$ de que são mais tênues do que uma distribuição ponderada por massa.
  • Os modelos Marnoch23 e Naive fornecem ajustes estatísticos marginalmente melhores (maior log-verossimilhança) do que o modelo Loudas25. Ambos preveem uma distribuição de hospedeiros ainda mais tênue, particularmente em redshifts mais altos.
  • O ajuste do modelo Naive sugere um pico na distribuição de magnitude absoluta próximo a $M_r = -21$ com uma cauda para hospedeiros mais tênues, e não encontra evidência significativa para uma correção $K$ dependente de redshift ($k \approx -0,1$) dentro da amostra de baixo redshift ($z \lesssim 0,55$).
• Priors de Hospedeiro Não Visto ($P(U)$): O estudo demonstra que $P(U)$ é altamente dependente do DM extragaláctico ($DMEG$) e da profundidade do levantamento óptico. Para FRBs de alto DM ou levantamentos rasos, a probabilidade de o hospedeiro não ser visto é não negligenciável, argumentando contra o uso de um $P(U)$ constante (ex: 0 ou 0,1) em diversas amostras de FRB.

Significância e Alegações
O artigo afirma que atualizar o framework PATH com priors de magnitude informados pelo DM é essencial para a identificação robusta de hospedeiros de FRB. A principal significância reside em:

1. Refinamento de Associações de Hospedeiros: O método atualizado fornece probabilidades mais confiáveis para candidatos a hospedeiros, reduzindo o risco de descartar hospedeiros verdadeiros que são tênues ou possuem baixas probabilidades posteriores sob os antigos priors genéricos.
2. Restrições de Progenitores: A descoberta de que os hospedeiros de FRB são mais tênues do que o esperado para populações de galáxias ponderadas por SFR ou massa sugere que os progenitores de FRB podem favorecer ambientes específicos (ex: alta metalicidade ou histórias específicas de formação estelar) ou que efeitos de seleção (ex: viés de espalhamento contra galáxias grandes) estão em jogo.
3. Tratamento Sistemático: Os autores recomendam o uso do modelo Marnoch23 como padrão para gerar priors devido à sua simplicidade e bom ajuste, enquanto utilizam os modelos Loudas25 e Naive para avaliar incertezas sistemáticas.
4. Direções Futuras: O artigo observa que os modelos atuais são limitados a baixos redshifts ($z \lesssim 0,5$) e que trabalhos futuros devem incorporar dados de levantamentos de alto redshift (ex: DSA-110, MeerTRAP) e desenvolver métodos para ajustar simultaneamente os parâmetros da população de FRB e as distribuições de hospedeiros, incluindo dados de FRBs com hospedeiros não vistos.

Os autores afirmam explicitamente que seus resultados são críticos para estudos que ajustam a distribuição de redshift-DM da população de FRB, pois a identificação precisa de hospedeiros e a correção de viés são pré-requisitos para inferências cosmológicas. Eles não alegam ter resolvido definitivamente o mistério do progenitor, mas fornecem uma ferramenta estatística mais rigorosa para restringi-lo.