Impact of 21-cm foreground mitigation strategies on reionization power spectrum constraints

Resumo Técnico: Impacto das Estratégias de Mitigação de Foreground de 21 cm nas Restrições do Espectro de Potência da Reionização

Definição do Problema
O sinal de 21 cm deslocado para o vermelho do hidrogênio neutro (HI) durante a Época da Reionização (EoR) oferece uma sonda única da formação de estruturas em alto redshift e da astrofísica de galáxias precoces. No entanto, o sinal cosmológico é sobrecarregado por foregrounds astrofísicos que são ordens de magnitude mais fortes. Embora os foregrounds sejam espectralmente suaves, efeitos instrumentais (ex: cromaticidade do feixe, resíduos de calibração) corrompem sua estrutura espectral, vazando potência para os modos de Fourier na linha de visão essenciais para a detecção. Isso cria um "cunha de foreground" (foreground wedge) no plano de Fourier $(k_\perp, k_\parallel)$, deixando uma "janela de EoR" mais limpa. O desafio central abordado neste trabalho é quantificar como diferentes estratégias para mitigar esses foregrounds — especificamente Evitação de Foreground (Foreground Avoidance) versus Remoção de Foreground (Foreground Removal) — propagam vieses sistemáticos na inferência de parâmetros astrofísicos e na história global da reionização.

Metodologia
Os autores utilizam dados do SKA Science Data Challenge 3a (SDC3a), uma análise cega de um conjunto de dados simulado de 1000 horas do SKA-Low, onde o sinal fundamental (ground truth) era desconhecido para as equipes de análise. O estudo avalia duas pipelines de mitigação específicas submetidas pela equipe DOTSS:

1. Evitação de Foreground: Restringe a análise à janela de EoR não contaminada no espaço de Fourier, sacrificando modos de grande escala para garantir a fidelidade dos dados sem modelagem estatística.
2. Remoção de Foreground: Utiliza Regressão de Processos Gaussianos (GPR) com núcleos treinados por aprendizado de máquina para modelar e subtrair foregrounds espectralmente suaves, tentando recuperar modos dentro da cunha.

Os autores realizam inferência Bayesiana nos espectros de potência recuperados usando uma verossimilhança Gaussiana e o amostrador aninhado dinâmico nautilus. Eles empregam o emulador 21cmEMU (treinado no 21cmFAST) para mapear os espectros de potência para quatro parâmetros astrofísicos livres: a massa mínima de halo formador de estrelas ($M_{turn}$), a normalização da eficiência de formação estelar ($f_{\star,10}$), sua dependência de massa ($\alpha_\star$) e a normalização da fração de escape de ionizantes ($f_{esc,10}$). As quantidades derivadas incluem a fração neutra ($x_{HI}$) em redshifts específicos. A análise compara os resultados contra o ground truth "livre de foreground" através de vários cenários, incluindo intervalos de redshift completos, bins de redshift seletivos e incertezas de modelagem variáveis.

Resultos Principais

• Vieses Sistemáticos em Parâmetros Astrofísicos: Ambas as estratégias de mitigação introduzem vieses sistemáticos de até $\approx 1\sigma$ nos parâmetros astrofísicos.
  • A Evitação produz consistentemente posteriors mais amplos devido à perda de modos de grande escala ($k \lesssim 0.2 \, h\text{Mpc}^{-1}$). Ela enviesa a massa mínima de halo ($M_{turn}$) para valores mais altos.
  • A Remoção produz restrições mais apertadas, mas introduz vieses mais fortes, particularmente empurrando $M_{turn}$ para o limite inferior do prior ($7.0$) e desviando $f_{esc,10}$ para valores mais baixos. Esses vieses são impulsionados pela potência suprimida em grandes escalas nos espectros recuperados, particularmente em redshifts onde o sinal exibe estrutura complexa (ex: $z \approx 8.90$).
• Desempenho Dependente de Redshift: Ambos os métodos enfrentam maiores dificuldades em $z \approx 8.90$, onde o início simultâneo do aquecimento por raios-X e da reionização precoce cria uma complexidade de sinal difícil de distinguir de resíduos. Em $z \approx 6.54$ (reionização tardia), ambos os métodos exibem um viés persistente em $x_{HI}$ para valores mais baixos, provavelmente devido a não-linearidades do sobreposição de bolhas ionizadas que desacoplam a amplitude do espectro de potência da fração neutra.
• Resiliência da História Global: Apesar dos vieses nas fontes, a história global da reionização ($x_{HI}$) é geralmente recuperada dentro do intervalo de credibilidade de 95% em todos os cenários. Essa resiliência é atribuída ao fato de $x_{HI}$ estar codificado principalmente na amplitude geral do espectro de potência, em vez de sua forma detalhada.
• Impacto da Seleção de Redshift: A exclusão de bins mal recuperados (especificamente $z=8.90$ e $z=6.54$) reduz significativamente os vieses de parâmetros no cenário de "Melhores redshifts", reduzindo os vieses para $\approx 0.5\sigma$ para a maioria dos parâmetros. No entanto, identificar tais bins em observações reais requer métricas de qualidade independentes.
• Convergência em Escalas Idênticas: Quando a estratégia de Remoção é restrita aos mesmos modos-$k$ da Evitação, os posteriors resultantes convergem para regiões semelhantes, confirmando que a divergência entre as estratégias é impulsionada primariamente pelos modos adicionais recuperados pela Remoção.

Significância e Alegações
O artigo afirma fornecer uma avaliação explícita das trocas de informação inerentes à mitigação de foreground para a era do SKA. Sua contribuição primária é demonstrar que, embora a história global da reionização seja robustamente recuperada, a inferência de parâmetros de fontes astrofísicas específicas é altamente sensível à escolha da estratégia de mitigação e à qualidade do espectro de potência recuperado em redshifts específicos.

Os autores enfatizam que:

1. Vieses induzidos pela mitigação são inevitáveis nas análises atuais de espectro de potência, afetando parâmetros como $M_{turn}$ e $f_{esc}$ em até $1\sigma$.
2. A inferência multi-redshift é suscetível à contaminação de bins mal mitigados, necessitando de métricas de qualidade independentes (ex: correlações cruzadas com florestas Lyman-$\alpha$ ou lentes de CMB) para identificar e excluir esses bins em observações reais.
3. A seleção da estratégia é dependente do observável: Embora a Evitação e a Remoção produzam resultados semelhantes em escalas idênticas, a Remoção é necessária para estatísticas baseadas em imagens que exigem acesso ao plano do céu, enquanto a Evitação oferece robustez contra erro de especificação de modelo ao custo de sensibilidade.

O trabalho conclui que, embora o espectro de potência de 21 cm permaneça o principal referencial para a ciência inicial de EoR, estratégias futuras podem precisar incorporar modelos de foreground diretamente no modelo de propagação (forward model) da inferência ou utilizar estatísticas de ordem superior para recuperar a informação perdida pelas técnicas de mitigação padrão.