[論文レビュー] The Aemulus Project VI: Emulation of beyond-standard galaxy clustering statistics to improve cosmological constraints

Kate Storey-Fisher, Jeremy L. Tinker+4 more|arXiv (Cornell University)|Oct 6, 2022

Galaxies: Formation, Evolution, Phenomena参考文献 67被引用数 5

ひとこと要約

本稿では、Aemulus $N$-bodyシミュレーションスイートを用いて、標準的でない銀河クラスタリング統計——特に不均一密度確率関数 $P_{\mathrm{U}}(s)$ と密度マーク付き相関関数 $M(s)$——のガウス過程エミュレータを導入し、小スケール（$0.1{-}50\,h^{-1}\mathrm{Mpc}$）における宇宙論的制約を強化する。これらの統計を含めることで、標準的統計のみを用いた場合と比較して、$\sigma_8$、$\Omega_\mathrm{m}$、$f\sigma_8$ の制約がそれぞれ33%、28%、18%改善される。

ABSTRACT

There is untapped cosmological information in galaxy redshift surveys in the non-linear regime. In this work, we use the AEMULUS suite of cosmological $N$-body simulations to construct Gaussian process emulators of galaxy clustering statistics at small scales ($0.1-50 \: h^{-1}\,\mathrm{Mpc}$) in order to constrain cosmological and galaxy bias parameters. In addition to standard statistics -- the projected correlation function $w_\mathrm{p}(r_\mathrm{p})$, the redshift-space monopole of the correlation function $ξ_0(s)$, and the quadrupole $ξ_2(s)$ -- we emulate statistics that include information about the local environment, namely the underdensity probability function $P_\mathrm{U}(s)$ and the density-marked correlation function $M(s)$. This extends the model of AEMULUS III for redshift-space distortions by including new statistics sensitive to galaxy assembly bias. In recovery tests, we find that the beyond-standard statistics significantly increase the constraining power on cosmological parameters of interest: including $P_\mathrm{U}(s)$ and $M(s)$ improves the precision of our constraints on $Ω_m$ by 27%, $σ_8$ by 19%, and the growth of structure parameter, $f σ_8$, by 12% compared to standard statistics. We additionally find that scales below $\sim6 \: h^{-1}\,\mathrm{Mpc}$ contain as much information as larger scales. The density-sensitive statistics also contribute to constraining halo occupation distribution parameters and a flexible environment-dependent assembly bias model, which is important for extracting the small-scale cosmological information as well as understanding the galaxy-halo connection. This analysis demonstrates the potential of emulating beyond-standard clustering statistics at small scales to constrain the growth of structure as a test of cosmic acceleration.

研究の動機と目的

• 非線形領域、特に小スケール（$0.1{-}50\,h^{-1}\mathrm{Mpc}$）における銀河赤方偏移調査から未利用の宇宙論的情報を抽出すること。
• 高コストな $N$-body シミュレーションの課題に対処するため、銀河クラスタリング統計のためのガウス過程エミュレータを開発すること。
• 銀河集積バイアスに敏感な新しい統計、たとえば $P_{\mathrm{U}}(s)$ と $M(s)$ を含めることで、宇宙論的パラメータの制約を向上させること。
• これらの新統計がパラメータのデゲネラシーをどのように解消し、宇宙論的推論の精度をどのように向上させるかをテストすること。
• 柔軟なハローオッズキューブレーション（HOD）と環境依存集積バイアスモデルを組み合わせたエミュレーションを用いて、正確で高速かつ柔軟な宇宙論的推論を可能にすること。

提案手法

• Aemulus宇宙論的 $N$-body シミュレーションスイートを用いて、広い宇宙論的および銀河バイアスパラメータ空間における銀河クラスタリング統計を予測するガウス過程エミュレータを構築する。
• 5つの銀河クラスタリング統計をエミュレートする：$w_{\mathrm{p}}(r_{\mathrm{p}})$、$\xi_0(s)$、$\xi_2(s)$、$P_{\mathrm{U}}(s)$、$M(s)$ で、後者の2つは局所的環境と集積バイアスに敏感である。
• エミュレータを用いて、宇宙論的パラメータ（$\Omega_\mathrm{m}$、$\sigma_8$、$f\sigma_8$）および銀河バイアスパラメータ（HOD および集積バイアス）の尤度ベース推論を実施し、シミュレーションから得た事前分布を用いる。
• 基準宇宙論およびHODパラメータを注入して復元テストを実施し、観測統計を段階的に追加する際の事後分布制約の精度を測定する。
• 事後分布サンプリングの安定性を向上させるために、共分散行列のスムージングを適用し、収束性と信頼性を改善する。
• 局所密度に依存する柔軟な環境依存集積バイアスモデルを統合し、ハロー占有の局所密度依存性を捉え、小スケールクラスタリングへの感受性を高める。

実験結果

リサーチクエスチョン

• RQ1 標準的統計と比較して、$P_{\mathrm{U}}(s)$ や $M(s)$ などの標準的でないクラスタリング統計は、宇宙論的制約をどの程度向上させるか？
• RQ2 大スケールクラスタリングのみでは捉えきれない、非線形領域（$0.1{-}50\,h^{-1}\mathrm{Mpc}$）にどの程度追加の宇宙論的情報が含まれているか？
• RQ3 環境に敏感な統計の導入により、宇宙論的パラメータ、HOD、集積バイアスパラメータ間のデゲネラシーを解消できるか？
• RQ4 とくにノイズが多い、または十分にサンプルが取れない領域において、共分散行列の処理方法の違いがエミュレータの性能にどのように影響するか？
• RQ5 各クラスタリング統計が、$\sigma_8$、$\Omega_\mathrm{m}$、$f\sigma_8$ の制約精度にそれぞれどの程度寄与しているか？

主な発見

• 標準的統計のみを用いた場合と比較して、$P_{\mathrm{U}}(s)$ と $M(s)$ を含めることで、$\sigma_8$ の宇宙論的制約精度が33%向上する。
• 標準的でない統計を追加することで、$\Omega_\mathrm{m}$ の制約が28%向上し、$f\sigma_8$ は18%向上する。
• $4\,h^{-1}\mathrm{Mpc}$ 未満のスケールに、大スケールと同等の宇宙論的情報が含まれており、小スケールモデリングの重要性が浮き彫りになる。
• 密度に敏感な統計 $P_{\mathrm{U}}(s)$ と $M(s)$ は、ハロー占有分布（HOD）および集積バイアスパラメータ、特に $f_{\mathrm{env}}$ と $\sigma_{\mathrm{env}}$ の制約を顕著に改善する。
• 柔軟な集積バイアスモデリングと標準的でない統計のエミュレーションを組み合わせることで、宇宙論的、HOD、集積バイアスパラメータ間のデゲネラシーが効果的に解消される。
• 共分散行列のスムージングは、事後分布サンプリングの安定性を向上させるが、一部の誤ったモードが残存するため、残留するサンプリングの課題や真のデゲネラシーが存在する可能性を示唆する。