[論文レビュー] A new model to predict weak-lensing peak counts III. Filtering technique comparisons

Chieh-An Lin, M. Kilbinger+1 more|arXiv (Cornell University)|Mar 22, 2016

Galaxies: Formation, Evolution, Phenomena参考文献 85被引用数 13

ひとこと要約

この論文は、弱いレンズ効果のピークカウントに用いるフィルタリング手法を比較し、宇宙論的パラメータの制約を最適化する。実際の調査の影響（マスク、ノイズ、シアーから収束への変換）を反映した高速な確率的モデルを用いて、スターレットウェーブレットによるフィルタリングと複数スケールにわたるピークカウントの分離が、ガウス型または結合スケール手法よりもきめの細かい制約をもたらすことが判明。非線形フィルターよりも宇宙論的情報抽出において優れている。

ABSTRACT

This is the third in a series of papers that develop a new and flexible model to predict weak-lensing (WL) peak counts, which have been shown to be a very valuable non-Gaussian probe of cosmology. In this paper, we compare the cosmological information extracted from WL peak counts using different filtering techniques of the galaxy shear data, including linear filtering with a Gaussian and two compensated filters (the starlet wavelet and the aperture mass), and the nonlinear filtering method MRLens. We present improvements to our model that account for realistic survey conditions, which are masks, shear-to-convergence transformations, and non-constant noise. We create simulated peak counts from our stochastic model, from which we obtain constraints on the matter density $Ω_\mathrm{m}$, the power spectrum normalisation $σ_8$, and the dark-energy parameter $w_0$. We use two methods for parameter inference, a copula likelihood, and approximate Bayesian computation (ABC). We measure the contour width in the $Ω_\mathrm{m}$-$σ_8$ degeneracy direction and the figure of merit to compare parameter constraints from different filtering techniques. We find that starlet filtering outperforms the Gaussian kernel, and that including peak counts from different smoothing scales helps to lift parameter degeneracies. Peak counts from different smoothing scales with a compensated filter show very little cross-correlation, and adding information from different scales can therefore strongly enhance the available information. Measuring peak counts separately from different scales yields tighter constraints than using a combined peak histogram from a single map that includes multiscale information. Our results suggest that a compensated filter function with counts included separately from different smoothing scales yields the tightest constraints on cosmological parameters from WL peaks.

研究の動機と目的

• 弱いレンズ効果のピークカウントに適用された異なるフィルタリング手法の宇宙論的情報含量を評価・比較すること。
• マスク、ノイズ、シアーから収束への変換といった現実的な調査効果を含む、弱いレンズ効果のピークカウントのための高速な確率的モデルを改善すること。
• 補償型フィルタ（例：スターレット、アペルチャマス）を用いた複数スケールのピークカウント解析が、単一スケールまたは結合スケールアプローチと比較して、宇宙論的パラメータの制約をどのように向上させるかを特定すること。
• ピークカウント統計の文脈において、尤度ベースと近似ベイズ計算（ABC）の推論手法を比較すること。
• 純度や適合度ではなく、制約の輪郭幅とフォーム・オブ・メリット（FoM）に基づいて、フィルタリング手法の標準化された比較フレームワークを確立すること。

提案手法

• 非一様マスク、定数でないノイズ、シアーから収束への変換を含む現実的な調査条件下で弱いレンズ効果のピークカウントをシミュレートする高速な確率的前向きモデリング手法を用いる。
• ガウスカーネル、スターレットウェーブレット（補償型フィルタ）、アペルチャマス（別の補償型フィルタ）、非線形MRLens手法の4つのフィルタリング手法を適用する。
• 尤度近似のためのコプーラ法と、近似ベイズ計算（ABC）の2つの推論手法を用い、Ωₘ、σ₈、w₀^deの事後確率的制約を導出する。
• ピークカウントの解析を2つの戦略で行う：『結合』戦略（複数スケールの情報を含む1枚のマップ）と『分離』戦略（各スケールごとのヒストグラムを個別に作成し、1つのデータベクトルに連結）。
• Ωₘ–σ₈のデゲネラシー平面における輪郭幅とフォーム・オブ・メリット（FoM）を用いて、フィルタリング手法間での宇宙論的制約の精度を定量的に評価する。
• ABCと尤度による制約を比較することで結果の妥当性を検証し、線形近似を用いてw₀^deとΩₘ、σ₈のデゲネラシーを定量化する。

実験結果

リサーチクエスチョン

• RQ1 ガウス型、スターレットウェーブレット、アペルチャマス、MRLensといった異なるフィルタリング手法は、弱いレンズ効果のピークカウントから得られる宇宙論的パラメータの制約にどのように影響を与えるか？
• RQ2 スムージングスケールごとにピークカウントを分離することで、すべてのスケール情報を1つのマルチスケールヒストグラムに統合するのと比較して、よりきめの細かい制約が得られるか？
• RQ3 補償型フィルタ（スターレットやアペルチャマス）は、非補償型フィルタ（ガウス型）よりも、宇宙論的情報抽出においてより効果的か？
• RQ4 尤度法とABCの推論手法の選択が、この文脈における宇宙論的制約の精度にどのように影響を与えるか？
• RQ5 異なるスケールからのピークカウントどうしがどの程度相関しているか、そしてその相関関係が複数スケール解析における情報量の増加にどのように影響するか？

主な発見

• スターレットウェーブレットによるフィルタリングは、バンドパス特性とマルチスケール感度のおかげで、ガウスカーネルによるフィルタリングよりも宇宙論的パラメータの制約がきめ細やかになる。
• スケールごとにピークカウントを分離し、それらを1つのデータベクトルに連結することで、すべてのスケール情報を1枚のマップに統合する方法と比較して、はるかにきめの細かい制約が得られる。
• 補償型フィルタ（スターレットとアペルチャマス）を用いた異なるスムージングスケールからのピークカウントは非常に低い相互相関を示し、冗長性を伴わずに情報量が加算される。
• 補償型フィルタと分離スケール戦略を組み合わせた手法が、最もきめの細かい制約を達成しており、全テスト手法の中でスターレットウェーブレットが最も優れた性能を示している。
• フォーム・オブ・メリット（FoM）は、分離スケールのピークカウントを用いたスターレットウェーブレットで最も高く、他のフィルタリング手法や戦略の組み合わせと比較して、より優れた宇宙論的情報抽出が可能であることを示している。
• モデルはマスク、非定数ノイズ、シアーから収束への変換といった現実的な調査効果を適切に反映しており、計算効率を損なわずに現実性が向上している。