Probing the limits of cosmological information from the Lyman-$\alpha$ forest 2-point correlation functions

技术摘要：探测来自莱曼α森林两点相关函数的宇宙学信息极限

问题陈述
莱曼α（Lyα）森林的标准宇宙学分析依赖于连续谱拟合程序来估算未吸收的类星体连续谱。这一过程通常涉及对每个光谱的森林区域进行幂律拟合，从而将森林的平均值和斜率偏差至零。因此，该方法会滤除大尺度模式，并在所有尺度上引入虚假的相关性，扭曲三维相关函数。虽然当前方法利用畸变矩阵对这种扭曲进行建模，以恢复稳健的重子声学振荡（BAO）和阿尔科克 - 帕钦斯基（AP）约束，但这种方法丢弃了关于大尺度超密度或欠密度的信息。此外，标准分析通常仅限于小分离尺度（$r < 180 \, h^{-1}\text{Mpc}$），以避免非线性效应和协方差估计的挑战，从而可能遗漏包含在较大尺度上相关函数宽带形状中的额外宇宙学信息。

方法论
作者提出了首个绕过连续谱拟合畸变影响的莱曼α森林自相关和莱曼α - 类星体交叉相关的宇宙学预测。该研究利用由 quickquasars 和 LyaCoLoRe 流程生成的、代表暗能量光谱仪（DESI）前三年数据的 50 个独立合成实现（mocks）。

该方法比较了两种截然不同的分析框架：

1. 畸变分析（基线）： 使用标准连续谱拟合程序（通过 picca 流程），并将畸变矩阵应用于相关函数模型。
2. 无畸变分析（理想化）： 假设完全知晓真实的未吸收连续谱，从而消除对畸变矩阵的需求，并保留大尺度信息。

作者采用两种方法进行预测：

• 压缩分析： 使用 Vega 框架拟合描述 BAO 尺度和各向异性的压缩参数（$\alpha_p, \alpha_s, \phi_p, \phi_s$）。
• 直接拟合： 在 Cobaya 框架内使用自定义似然函数，对直接宇宙学参数（$H_0, \Omega_m, \Omega_b h^2, A_s, n_s$）进行全形状分析。

关键的方法论变体包括：

• 尺度范围： 将最大分离距离从标准的 $r_{\text{max}} = 180 \, h^{-1}\text{Mpc}$ 扩展至 $240 \, h^{-1}\text{Mpc}$（在特定测试中，沿视线方向甚至扩展至 $460 \, h^{-1}\text{Mpc}$）。
• 协方差估计： 直接从合成数据计算协方差矩阵，而不应用基线分析中使用的标准平滑算法。作者使用更大的 HEALPix 像素（$N_{\text{SIDE}}=14$）以确保在大尺度上的独立性，并对逆协方差矩阵应用 Hartlap 校正，以考虑估计中的噪声。

主要贡献

• 理想化连续谱预测： 本文首次定量评估了如果消除连续谱拟合带来的畸变所能实现的宇宙学约束能力，这为改进连续谱预测方法（如 LyCAN 等神经网络）带来的潜在收益设定了上限。
• 大尺度信息恢复： 该研究系统调查了将分析扩展至更大分离距离（$r > 180 \, h^{-1}\text{Mpc}$）对宇宙学约束（特别是 AP 效应和物质密度）的影响。
• 协方差与估计器验证： 这项工作强调了当前相关函数估计器和协方差平滑假设在无畸变分析背景下的次优性，表明未平滑的协方差会产生与平滑协方差不同的简并结构。

结果

• 连续谱知识： 假设知晓真实连续谱，在标准尺度范围（$30-180 \, h^{-1}\text{Mpc}$）内，与基线畸变分析相比，AP 参数（$\phi$）和物质密度（$\Omega_m$）的不确定性降低了约 10%。
• 尺度扩展： 将分析扩展至 $r_{\text{max}} = 240 \, h^{-1}\text{Mpc}$ 提供了额外的约束能力。结合使用真实连续谱和扩展尺度范围，相对于当前基线，AP 参数和 $\Omega_m$ 的约束最多可改善约 15%。
• 巡天面积等效性： 作者将这种改善量化为相当于将莱曼α森林巡天面积增加约 40%（如果仅考虑连续谱改进而不扩展尺度，则相当于增加 25%）。
• 参数简并性： 无畸变分析改变了参数之间的简并方向。例如，宽带 AP 参数（$\phi_s$）与各向同性宽带参数（$\alpha_s$）之间的相关性从正相关（约 0.22）转变为负相关（约 -0.08）。
• 权衡： 虽然 AP 和 $\Omega_m$ 的约束得到改善，但作者指出，其他参数（如 $f\sigma_8$ 和偏差项）的约束在无畸变情况下会恶化。这归因于畸变分析中存在的小尺度信息泄漏的丧失，以及当前针对这些特定参数的估计器的次优性。
• 大尺度极限： 将视线方向上的分离距离扩展至 $460 \, h^{-1}\text{Mpc}$ 的测试仅显示出极微小的额外收益，表明在现有方法下，极大尺度上的收益递减。

意义与主张
本文声称，莱曼α森林在约束宇宙学参数（特别是阿尔科克 - 帕钦斯基效应和物质密度）方面具有未被开发的潜力，而目前的限制主要来自连续谱拟合畸变和尺度截断。作者断言，他们的结果证明了恢复显著大尺度信息的可行性，为收紧对宇宙膨胀历史的约束提供了一条途径。

作者明确指出，这些结果代表了假设完美连续谱知识的理想化极限。他们承认，当前的连续谱预测工具（如 LyCAN）仍会引入误差（例如约 2% 的水平），未来的工作必须量化这些误差如何削弱预期的收益。该研究强调，要在真实数据中实现这些改进，需要开发针对相关函数和协方差矩阵的更优估计器，并在更大尺度上严格验证畸变矩阵。这项工作表明，改进的分析技术可能有助于解决 DESI 测量与 Planck $\Lambda$CDM 模型之间的张力，并可能有助于区分静态与演化的暗能量模型。