The Three Hundred Project: validating $H_0$ inference from mock X-ray and millimetre analyses of galaxy clusters

Resumo Técnico: O Projeto Three Hundred: validando a inferência de H0 a partir de análises simuladas de raios X e milimétricos de aglomerados de galáxias

Definição do Problema
As medições de quantidades termodinâmicas em aglomerados de galáxias, especificamente quando derivadas de observações conjuntas de raios X e milimétricos (Sunyaev-Zel'dovich, SZ), estão sujeitas a vieses sistemáticos decorrentes de suposições de modelagem simplificadas. Essas suposições incluem tipicamente o equilíbrio hidrostático, a simetria esférica e a ausência de agrupamentos de gás (gas clumps). Tais simplificações levam a discrepâncias entre os perfis de temperatura inferidos por espectroscopia de raios X e aqueles derivados de imagens conjuntas de raios X e SZ. Essas discrepâncias, quantificadas por um fator de viés $B$, limitam a precisão da inferência de parâmetros cosmológicos, particularmente da constante de Hubble ($H_0$), ao utilizar aglomerados de galáxias como réguas padrão. Trabalhos anteriores (Kozmanyan et al. 2019, doravante K19) utilizaram simulações hidrodinâmicas para modelar a distribuição de $B$ e incorporá-lo como um prior informativo em análises Bayesianas, mas isso foi limitado a amostras menores e não contabilizou totalmente a dependência contínua de $B$ em relação aos estados dinâmicos e morfológicos dos aglomerados.

Metodologia
Este estudo estende o framework de K19 utilizando uma amostra sintética maior de 324 aglomerados de galáxias das simulações hidrodinâmicas "The Three Hundred" (The300), especificamente a execução gadget-x. A análise procede através dos seguintes passos:

1. Geração de Dados Simulados (Mock Data): Os autores geraram observáveis simulados de raios X e SZ para os aglomerados projetando dados de partículas ao longo de três linhas de visada ortogonais, resultando em uma amostra de 972 objetos. Eles computaram emissões projetadas, temperaturas espectroscópicas-como ($T_{sl}$) e parâmetros Compton-$y$.
2. Caracterização do Viés: O fator de viés $B$ foi derivado comparando a temperatura espectroscópica-como inferida pela reconstrução conjunta X/SZ ($T_{SZ,X}$) contra a temperatura espectroscópica-como direta ($T_{sl}$) da simulação. No contexto da simulação, onde a cosmologia e a física reais são conhecidas, $B \equiv \eta_T = T_{sl} / T_{SZ,X}$.
3. Classificação Dinâmica e Morfológica: Os aglomerados foram classificados em categorias relaxadas, híbridas e perturbadas com base em indicadores dinâmicos (fração de massa de sub-halo e deslocamento do centro de massa) e indicadores morfológicos (concentração, deslocamento de centroide, razões de potência).
4. Modelagem de Prior Informativo: Duas estratégias foram desenvolvidas para modelar a distribuição de $B$ como um prior informativo para inferência cosmológica:
   • Modelo 3DS: Um modelo condicional de classe tricotômico onde $B$ segue uma distribuição log-normal distinta para cada classe dinâmica (relaxada, híbrida, perturbada).
   • Modelos de Processo Gaussiano (GP): Duas abordagens de regressão foram implementadas para modelar a dependência contínua de $B$ em relação ao indicador morfológico $M_X$:
     • GPkernel: Uma abordagem pragmática usando uma estrutura de kernel para aproximar a heterocedasticidade (variância dependente da entrada).
     • GPhetero: Um modelo heterocedástico totalmente probabilístico usando PyMC para inferir conjuntamente a média e a dispersão intrínseca de $\ln B$ como uma função de $M_X$.
5. Validação do Pipeline Cosmológico: Um pipeline Bayesiano foi construído para inferir $H_0$, $\Omega_m$ e abundância de hélio ($Y$) a partir de catálogos de $\eta_T$ simulados. O pipeline marginaliza sobre os parâmetros de incômodo (nuisance parameters) que representam o viés da estrutura do aglomerado ($B$) usando os priors derivados. A validação envolveu testes de ausência de viés, escala de variância com o tamanho da amostra e calibração de posterior usando técnicas de calibração baseadas em simulação.

Principais Resultados

• Distribuição de $B$: A distribuição é positivamente assimétrica e leptocúrtica. Embora uma única distribuição log-normal se ajuste à amostra completa, um modelo condicional de classe (3DS) fornece um ajuste significativamente melhor (menor BIC). Sistemas relaxados agrupam-se próximo a $B \approx 1$ com baixa dispersão, enquanto sistemas perturbados exibem valores mais altos e maior dispersão.
• Correlações: $B$ mostra correlações fracas com indicadores dinâmicos ($\chi$) e morfológicos ($M_X$), mas nenhuma correlação significativa com a massa ou temperatura do aglomerado. A dispersão em $B$ aumenta sistematicamente de sistemas relaxados para sistemas perturbados.
• Inferência Cosmológica:
  • O pipeline Bayesiano, quando informado pelos priors derivados de simulação (seja 3DS ou modelos GP), produz estimativas não enviesadas de $H_0$ em testes simulados.
  • O método é primariamente sensível a $H_0$. As restrições sobre $\Omega_m$ e $Y$ permanecem dominadas pelo prior devido a degenerações e à sensibilidade intrínseca da sonda ($\eta_T \propto D_A^{-1/2}$).
  • Precisão: Para uma amostra de 100 aglomerados, a precisão em $H_0$ é de aproximadamente 4%. Para 1000 aglomerados, isso melhora para 1,5%.
  • Piso Sistemático: A escala de incerteza segue $\sigma^2(N) = \sigma_0^2/N + \sigma_s^2$. O componente estatístico ($\sigma_0 \approx 26,6$ km s$^{-1}$Mpc$^{-1}$) domina para amostras pequenas, enquanto um piso sistemático de $\sigma_s \approx 0,6–0,8$ km s$^{-1}$Mpc$^{-1}$ limita a precisão para amostras grandes ($N \gtrsim 1200$).
  • Calibração: Testes de calibração de posterior confirmam que os posteriors inferidos estão bem calibrados, com taxas de cobertura de $\sim70\%$ em 68% de confiança e $\sim95\%$ em 95% de confiança, consistentes com estatísticas de ranking uniformes.

Significância e Alegações
O artigo afirma validar uma metodologia para o uso de observações conjuntas de raios X e milimétricos de aglomerados de galáxias para restringir a constante de Hubble ($H_0$) com alta precisão. Ao alavancar simulações hidrodinâmicas (The300) para caracterizar o viés sistemático $B$ decorrente da morfologia e dinâmica dos aglomerados, os autores demonstram que esses vieses podem ser modelados estatisticamente e incorporados como priors informativos em um framework Bayesiano.

Os autores afirmam que esta abordagem permite o uso de amostras maiores e menos relaxadas de aglomerados (além das tradicionais subamostras "relaxadas") mantendo restrições cosmológicas não enviesadas. O trabalho destaca que o termo estrutural que impulsiona as discrepâncias entre as reconstruções termodinâmicas de raios X e SZ pode ser robustamente caracterizado via simulações. Consequentemente, este método apoia a aplicação futura de conjuntos de dados de aglomerados de raios X e SZ conjuntos para estabelecer restrições apertadas sobre $H_0$, sendo a precisão final limitada não pelo ruído estatístico em grandes amostras, mas por incertezas sistemáticas residuais de aproximadamente 0,6–0,8 km s$^{-1}$Mpc$^{-1}$. Os autores mantêm-se modestos quanto à transferibilidade para dados reais, observando que trabalhos futuros deverão abordar sistemáticas adicionais relacionadas à qualidade dos dados observacionais e às implementações específicas da física das simulações hidrodinâmicas.