[論文レビュー] Constraining neutrino masses with weak-lensing multiscale peak counts

Virginia Ajani, Austin Peel+4 more|arXiv (Cornell University)|Jan 29, 2020

Astrophysics and Cosmic Phenomena被引用数 3

ひとこと要約

本研究では、MassiveNus シミュレーションからのマルチスケール弱レンズィングピークカウントを用いて、ニュートリノ質量の和（Mν）、物質密度（Ωm）、初期スケールスペクトルの振幅（As）を制約する。スターレットおよびマルチスケールガウスフィルタを適用することで、ピークカウントがパワースペクトルを63–77%上回ることを示し、マルチスケールフィルタリングを用いた場合、ピークカウントとパワースペクトルを組み合わせても追加の情報が得られないことを明らかにした。

ABSTRACT

Massive neutrinos influence the background evolution of the Universe as well as the growth of structure. Being able to model this effect and constrain the sum of their masses is one of the key challenges in modern cosmology. Weak-lensing cosmological constraints will also soon reach higher levels of precision with next-generation surveys like LSST, WFIRST and Euclid. We use the MassiveNus simulations to derive constraints on the sum of neutrino masses $M_{ u}$, the present-day total matter density $\Omega_{ m m}$, and the primordial power spectrum normalization $A_{ m s}$ in a tomographic setting. We measure the lensing power spectrum as second-order statistics along with peak counts as higher-order statistics on lensing convergence maps generated from the simulations. We investigate the impact of multiscale filtering approaches on cosmological parameters by employing a starlet (wavelet) filter and a concatenation of Gaussian filters. In both cases peak counts perform better than the power spectrum on the set of parameters [$M_{ u}$, $\Omega_{ m m}$, $A_{ m s}$] respectively by 63$\%$, 40$\%$ and 72$\%$ when using a starlet filter and by 70$\%$, 40$\%$ and 77$\%$ when using a multiscale Gaussian. More importantly, we show that when using a multiscale approach, joining power spectrum and peaks does not add any relevant information over considering just the peaks alone. While both multiscale filters behave similarly, we find that with the starlet filter the majority of the information in the data covariance matrix is encoded in the diagonal elements; this can be an advantage when inverting the matrix, speeding up the numerical implementation.

研究の動機と目的

• 弱レンズィング統計を用いて、ニュートリノ質量 Mν、Ωm、As の宇宙論的制約を改善すること。
• スターレットおよびマルチスケールガウスフィルタを含むマルチスケールフィルタリング技術の、宇宙論的パラメータ推定への性能を評価すること。
• マルチスケールフレームワークにおいて、ピークカウントとレンズィングパワースペクトルを組み合わせることで制約が向上するかどうかを検証すること。
• ウェーブレット分解の異なる解像度スケール、特に最も粗いスケールにおける情報含量を調査すること。

提案手法

• Euclidに類似したノイズ特性を持つ MassiveNus シミュレーションからのレンズィング収束マップを用いる。
• スターレット（ウェーブレット）およびマルチスケールガウスフィルタを用いて、収束マップを複数のスケールに分解する。
• ピークカウントを高次統計、レンズィングパワースペクトルを二次統計として用い、宇宙論的推定に活用する。
• 補間された尤度関数（ガウス過程を用いて構築）とMCMCサンプリングを用いたベイズ推論を実施する。
• シミュレーションから得た共分散行列を用い、適切な誤差伝搬を伴ってパラメータ制約を計算する。
• 特にスターレットフィルタにおける共分散行列の対角優位性を分析することで、情報含量を定量化する。

実験結果

リサーチクエスチョン

• RQ1 単一スケール手法と比較して、マルチスケールフィルタリングは Mν、Ωm、As の宇宙論的制約を改善するか？
• RQ2 スターレットとマルチスケールガウスフィルタは、弱レンズィングピークカウントから宇宙論的情報をどの程度効果的に抽出できるか？
• RQ3 マルチスケールフィルタリングを用いた場合、ピークカウントとパワースペクトルを組み合わせることで情報が向上するか？
• RQ4 ウェーブレット分解における粗いスケール成分がピークカウントの全体的な宇宙論的情報にどの程度寄与しているか？
• RQ5 スターレットドメインにおけるピークカウントの共分散行列はどの程度対角化されるか？その計算的インパクトは？

主な発見

• スターレットフィルタを用いた場合、ピークカウントは Mν で63%、Ωm で40%、As で72%、パワースペクトルを上回る制約性能を示す。
• マルチスケールガウスフィルタを用いた場合、ピークカウントは Mν で70%、Ωm で40%、As で77%、パワースペクトルを上回る。
• マルチスケールフィルタリングを用いた場合、ピークカウントとパワースペクトルを組み合わせても追加の情報が得られないことから、ピークカウントのみで十分であることが示された。
• スターレットフィルタは、共分散行列の大部分の情報を対角成分に符号化しており、行列の逆行列計算が簡略化され、数値的実装が高速化される。
• スターレット分解の粗いスケール成分には無視できない宇宙論的情報が含まれており、パラメータ推定において無視できない。
• マルチスケールガウスフィルターよりも、スターレットフィルタがよりコンactかつ数値的に効率的なデータ共分散表現を実現し、優れた性能を発揮した。