[論文レビュー] The clustering of galaxies in the completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey: Primordial non-Gaussianity in Fourier Space

Eva-Maria Mueller, Mehdi Rezaie+13 more|arXiv (Cornell University)|Jun 25, 2021

Galaxies: Formation, Evolution, Phenomena被引用数 23

ひとこと要約

本研究は、完了したeBOSS調査から得られた343,708個のクェーサーのクラスタリングをフーリエ空間で測定し、系誤差補正と赤方偏重技術を用いた新規ニューラルネットワークを採用して感度を最適化することで、初期宇宙の非ガウス性を測定した。68%信頼区間で$f_{\mathrm{NL}}^\mathrm{local} = -12 \pm 21$を報告しており、大規模構造からの測定において最もきつい制約の一つであり、今後の宇宙論的調査における高度な系誤差低減手法の有効性を示している。

ABSTRACT

We present measurements of the local primordial non-Gaussianity parameter \fNLloc from the clustering of 343,708 quasars with redshifts 0.8 < z < 2.2 distributed over 4808 square degrees from the final data release (DR16) of the extended Baryon acoustic Oscillation Spectroscopic Survey (eBOSS), the largest volume spectroscopic survey up to date. Our analysis is performed in Fourier space, using the power spectrum monopole at very large scales to constrain the scale dependent halo bias. We carefully assess the impact of systematics on our measurement and test multiple contamination removal methods. We demonstrate the robustness of our analysis pipeline with EZ-mock catalogues that simulate the eBOSS DR16 target selection. We find $f_\mathrm{NL}=-12\pm 21$ (68\% confidence) for the main clustering sample including quasars with redshifts between 0.8 and 2.2, after exploiting a novel neural network scheme for cleaning the DR16 sample and in particular after applying redshift weighting techniques, designed for non-Gaussianity measurement from large scales structure, to optimize our analysis, which improve our results by 37\%.

研究の動機と目的

• 現在までに最も大きな体積をカバーするスペクトロスコピック調査から得られる大規模構造クラスタリングを用いて、局所的初期宇宙の非ガウス性パラメータ$f_{\mathrm{NL}}^\mathrm{local}$を制約すること。
• クェーサーのクラスタリングに由来する初期宇宙の非ガウス性が引き起こすスケール依存のホール・バイアスを活用することで、インフレーションモデルの制約を強化すること。
• 観測系誤差、特にPNG信号が最も感受しやすい大スケールで特に顕著な系誤差を低減する、堅牢な解析パイプラインの開発と検証すること。
• PNG測定の文脈において、特にニューラルネットワーク手法が標準的な線形回帰手法よりも優れていることを実証すること。
• 系誤差制御と重み付け手法の最適化により、将来の大規模構造調査が宇宙マイクロ波背景放射の制約を超えることを可能にすること。

提案手法

• 大規模構造からのスケール依存のホール・バイアスを抽出するために、クェーサークラスタリングのパワー スペクトルのモノポールをフーリエ空間で分析する。
• 赤方偏重を用い、$f_{\mathrm{NL}}$感度を最適化することで、赤方偏重範囲0.8 < z < 2.2の全範囲で信号対雑音比を最大化する。
• Rezaieら（2021年）で詳細に説明された、星の密度や減光などの観測系誤差を補正する新規のニューラルネットワークベースの汚染除去手法を採用する。
• eBOSS DR16のターゲット選択と観測系誤差を再現するEZ-mockカタログを用いてパイプラインの妥当性を検証する。
• ニューラルネットワーク手法と標準的な線形回帰手法の結果を比較し、結果の堅牢性と汚染度を評価する。
• 赤方偏重と汚染除去の両方のテストを徹底的に行い、$f_{\mathrm{NL}}$測定値が観測効果によってバイアスを受けていないことを保証する。

Figure 1 : Histograms showing the quasar distribution $n(z)$ for the NGC as a function of redshift for bin of high and low photometric properties. The bins were chosen so that the number of quasars in each bin is equal. Nstar and E(B-V) refer to the stellar density and extinction respectively, while

実験結果

リサーチクエスチョン

• RQ1 eBOSS DR16調査におけるクェーサークラスタリングから得られる局所的初期宇宙の非ガウス性パラメータ$f_{\mathrm{NL}}^\mathrm{local}$の制約は何か？
• RQ2 特にニューラルネットワークと線形回帰の比較において、さまざまな系誤差低減手法が$f_{\mathrm{NL}}$測定の堅牢性に与える影響は何か？
• RQ3 赤方偏重技術が大規模構造調査における$f_{\mathrm{NL}}$制約の感度をどの程度向上させるか？
• RQ4 観測系誤差が存在する状況下でも、フーリエ空間におけるパワー スペクトルモノポールが$f_{\mathrm{NL}}^\mathrm{local}$の堅牢で正確な測定を可能にするか？
• RQ5 統計的不確実性と系誤差制御の観点から、本研究の解析パイプラインは、過去の大規模構造ベースのPNG測定と比べてどの程度優れているか？

主な発見

• 系誤差低減の最適化のおかげで、$f_{\mathrm{NL}}^\mathrm{local} = -12 \pm 21$（68%信頼区間）という測定が得られ、精度の顕著な向上が確認された。
• ニューラルネットワークベースの系誤差補正手法は堅牢な結果をもたらしたが、標準的な線形回帰手法では汚染物質の制御に失敗し、データ内に補正されていない系誤差が残っていることが示された。
• 赤方偏重技術の適用により、重みなしの解析と比較して最終的な$f_{\mathrm{NL}}$制約が37%改善された。これは、感度向上に果たす赤方偏重技術の重要性を示している。
• EZ-mockカタログを用いた検証を通じて、解析パイプラインが観測系誤差、特にPNG信号が最も顕著に現れる最大スケールに対して高い堅牢性を示した。
• 本研究は、eBOSSのような大規模構造調査が、$f_{\mathrm{NL}}^\mathrm{local}$に関して競争力のある制約を達成できることを確認した。今後、CMBベースの制約を超える可能性を秘めている。
• 今後の次世代調査が$\Delta f_{\mathrm{NL}} \sim 1$の精度に到達するためには、高度な系誤差低減、特に機械学習ベースのアプローチの重要性が強調された。

Figure 2 : Mean density of the DR16 quasars vs imaging properties before imaging systematics correction (blue), after linear (red), and neural network (black) treatments in the NGC (top) and SGC (bottom) regions. The residual fluctuations are characterized using the $\chi^{2}$ statistics and covaria