[論文レビュー] How much information can be extracted from galaxy clustering at the field level?

Nhat-Minh Nguyen, Fabian Schmidt+3 more|arXiv (Cornell University)|Mar 5, 2024

Galaxies: Formation, Evolution, Phenomena被引用数 5

ひとこと要約

本論文は、LEFTfield を用いた非線形のバイアス付きトレーサから sigma8 に対する最適な場レベルのベイズ制約を示し、準線形スケールでのパワースペクトルおよびbispectrum解析に対する情報量の著しい向上を示している。

ABSTRACT

We present optimal Bayesian field-level cosmological constraints from nonlinear tracers of the large-scale structure, specifically the amplitude $σ_8$ of linear matter fluctuations inferred from rest-frame simulated dark matter halos in a comoving volume of $8\,(h^{-1}\mathrm{Gpc})^3$. Our constraint on $σ_8$ is entirely due to nonlinear information, and obtained by explicitly sampling the initial conditions along with bias and noise parameters via a Lagrangian EFT-based forward model, LEFTfield. The comparison with a simulation-based inference analysis employing the power spectrum and bispectrum -- likewise using the LEFTfield forward model -- shows that, when including precisely the same modes of the same data up to $k_{\mathrm{max}}= 0.10\,h\,\mathrm{Mpc}^{-1}$ ($0.12\,h\,\mathrm{Mpc}^{-1}$), the field-level approach yields a factor of 3.5 (5.2) improvement on the $σ_8$ constraint, from 20.0% to 5.7% (17.0% to 3.3%). This study provides direct insights into cosmological information encoded in galaxy clustering beyond low-order $n$-point functions.

研究の動機と目的

• sigma8 を制約するための非線形銀河クラスタリングにおける情報量の動機づけと定量化。
• 同じ前方モデルとデータを用いて、場レベルのベイズ推定を要約統計と比較・開発。
• 初期条件とトレーサ biases を周辺化して、LSS の EFT 枠組みで最適な制約を達成。
• 異なるハローサンプルに方法を適用し、scale_cut の依存性を分析して頑健性を評価。

提案手法

• Lambda Λ の EFTカットオフを用いて、ラグランジュ EFT に基づく前方モデル LEFTfield を用い、初期条件からバイアス付きトレーサを前方モデル化する。
• 明示的な尤度を用いた場レベルベイズ推定（FBI）を実行し、バイアスとノイズを周辺化し、初期条件をサンプリングする。
• 模擬データを用いてSBI (P+B) を実装し、パワースペクトルとbispectrum のみから後方分布を学習する。
• 2つのハローサンプルで k_max = 0.10 および 0.12 h Mpc^-1 における FBI と SBI の結果を比較し、情報量の獲得を評価する。

実験結果

リサーチクエスチョン

• RQ1 場レベルの非線形クラスタリング情報から sigma8 に関する情報を、要約統計と比較してどれだけ抽出できるか？
• RQ2 P+B 分析と同じデータとモデルを使用した場合、LEFTfield を用いる場レベルアプローチはより厳密な sigma8 制約を提供するか？
• RQ3 異なるハローサンプルと解析スケールに対して、場レベルの sigma8 制約はどれだけ頑健か？
• RQ4 非線形前方モデル化と初期条件の周辺化は、従来手法より sigma8-バイアスの縮退をより効果的に解消できるか？

主な発見

• 場レベル推論は、SNG サンプルで k_max = 0.10 h Mpc^-1 の場合 sigma8 制約を3.5倍改善（0.12 h Mpc^-1 では5.2倍）し、P+B SBI 結果と比較した。
• Uchuu サンプルでは、同じ k_max の値で、場レベル推論は SBI P+B より1.9倍（2.5倍）改善。
• Both FBI and SBI recover the true alpha = sigma8/sigma8,true within 68% CL, with FBI achieving alpha ≈ 0.976±0.056 (0.873–0.)/(3.6% at 0.12) and alpha ≈ 1.013±0.033 at 0.12.
• 非線性のため、k_max が大きいほど情報量の増加が見られ、より高い k_max での改善が強いことを示している。
• 前方モデル LEFTfield は分析を跨いで一貫した事後分布を提供し、準線形スケールでの精度を裏付ける。
• 本研究は、暗黒物質ハローの非線形クラスタリングにおいて、低次の n 点関数を超える重要な宇宙論情報を示している。