Beyond power spectrum to unveil systematics on HI intensity maps

技术摘要：超越功率谱以揭示 Hi 强度图上的系统效应

问题陈述
中性氢（Hi）强度映射是探测大尺度结构的主要技术，特别是在 $z < 1$ 的中等红移处，非线性引力演化使得物质分布呈现强烈的非高斯性。传统上，来自这些巡天的宇宙学信息是通过角功率谱（$C_\ell$）提取的，这是一种两点统计量，能有效捕捉高斯特征但丢弃了高阶关联。在如 $z \approx 0.425$（MeerKLASS L 波段观测的目标红移）这样的红移处，Hi 信号由非线性结构（纤维、团簇、空洞）主导，而 $C_\ell$ 无法完全表征这些结构。此外，观测系统效应——包括望远镜波束平滑、部分天空覆盖（掩膜）、仪器噪声以及前景残留（银河系同步辐射、河外点源）——会对标准分析产生偏差。本文旨在解决需要能够捕捉非高斯信息并在此类系统效应下保持稳健的统计摘要，以改进宇宙学参数推断。

方法论
作者采用基于模拟的推断（SBI）框架，利用 JaxILI 库执行无似然贝叶斯推断。

• 模拟：他们使用 GLASS 和 CAMB 框架生成了 10,000 个 $z = 0.425$ 处的全天空 Hi 亮温度图。这些图模拟了由红移依赖的 Hi 偏差和平均亮温度加权的对数正态物质场。
• 观测效应：模拟结合了现实的观测条件：
  • 波束：与高斯波束卷积（单碟 MeerKLASS 类观测为 1.34°，未来干涉仪构型为 0.5°）。
  • 掩膜：应用代表天空分数（$f_{sky}$）为 0.60、0.19 和 0.014 的二进制掩膜。
  • 噪声：基于系统温度和积分时间添加不相关的高斯热噪声。
  • 系统效应：受控的玩具模型，包括乘法和加法条纹图案（扫描伪影）、银河系同步辐射残留、河外点源残留以及 X 形扫描图案。
• 统计摘要：提取并比较了两种统计量：
  1. 角功率谱（$C_\ell$）：由球谐系数计算得出，排除低多极矩（$\ell < 10$）以减轻系统效应。
  2. Starlet $\ell_1$-范数：一种基于各向同性非下采样小波变换（starlet）的多尺度高阶统计量。将图分解为多个尺度（$J=5$ 和 $J=8$）的小波系数，进行归一化并在信噪比空间分箱。这些系数的 $\ell_1$-范数量化了非高斯特征的稀疏性和强度。
• 推断：在模拟对（参数 $\theta = \{\Omega_c, h, A_s\}$，统计摘要 $x$）上训练了条件神经密度估计器（掩蔽自回归流），以近似后验分布 $p(\theta|x)$。

主要贡献

1. Starlet $\ell_1$-范数的扩展：本文将此前在弱引力透镜中取得成功的 starlet $\ell_1$-范数应用于 Hi 强度映射，证明了其在捕捉 21 厘米亮温度场中非高斯信息方面的有效性。
2. 系统效应稳健性分析：本研究全面评估了 $C_\ell$ 和 starlet $\ell_1$-范数在各种系统效应（波束、掩膜、噪声、条纹和前景残留）下的表现。
3. 诊断能力：作者证明，starlet $\ell_1$-范数能够区分不同类型的前景残留（银河系同步辐射与河外点源）并检测残留污染的存在，从而充当诊断工具。
4. 效率：该工作强调了基于模拟的推断结合紧凑统计摘要（starlet $\ell_1$-范数使用的数据点远少于完整的 $C_\ell$ 向量）相对于传统 MCMC 方法在计算和环境方面的优势。

结果

• 宇宙学约束：starlet $\ell_1$-范数在约束宇宙学参数（$\Omega_c$、$h$、$A_s$）方面始终优于角功率谱。
  • 在无噪声、全天空场景中，starlet $\ell_1$-范数将优值（FoM）相比 $C_\ell$ 提高了 1.59 倍。
  • 在具有 0.5° 波束和仪器噪声的现实场景中，将 starlet 尺度数量从 5 增加到 8，相比 $C_\ell$ 实现了 2.81 倍的 FoM 提升。
• 对系统效应的稳健性：
  • 波束与掩膜：虽然波束平滑通过抑制小尺度功率显著降低了 $C_\ell$ 的性能，但 starlet $\ell_1$-范数保持稳健，保留了跨尺度结构对比的敏感性。它还在强掩膜（$f_{sky}=0.014$）下保持性能，而 $C_\ell$ 在此情况下受模式耦合影响严重。
  • 条纹与扫描：starlet $\ell_1$-范数对乘法和加法条纹图案及 X 形扫描伪影基本不敏感，而 $C_\ell$ 则表现出强烈的偏差和后验分布的人为收紧。
  • 前景残留：相比 $C_\ell$，starlet $\ell_1$-范数对残留污染表现出更高的敏感性。虽然这在高度污染水平下引入了轻微偏差，但它使该统计量能够区分同步辐射和点源残留，这是 $C_\ell$ 无法完成的任务。
• 参数简并：starlet 方法通过利用非高斯信息，消除了参数之间的简并性（特别是 $h$，它受 $C_\ell$ 约束较弱）。

意义
本文结论认为，多尺度高阶统计量（如 starlet $\ell_1$-范数）是 Hi 强度映射传统两点分析的重要补充。通过捕捉功率谱遗漏的非高斯特征，starlet $\ell_1$-范数显著增强了宇宙学推断，特别是在非线性机制（$z < 1$）下。其已证明的针对复杂观测系统效应的稳健性，以及作为前景残留诊断工具的能力，使其成为当前巡天（如 MeerKLASS）和未来大体积巡天（如 SKA 天文台 SKAO）的有前途的工具。该工作主张采用基于此类统计量的基于模拟的推断，以最大化即将推出的 Hi 强度映射数据的科学回报。