[論文レビュー] The LSST Dark Energy Science Collaboration (DESC) Science Requirements Document

The LSST Dark Energy Science Collaboration, Rachel Mandelbaum+33 more|arXiv (Cornell University)|Sep 5, 2018

Astronomy and Astrophysical Research被引用数 102

ひとこと要約

この論文は DESC の science objectives, 高レベルおよび詳細な要件、LSST データを用いた自立型 Stand-alone Stage IV の暗黒エネルギープログラムを達成するための予測手法を定義します。

ABSTRACT

The Large Synoptic Survey Telescope (LSST) Dark Energy Science Collaboration (DESC) will use five cosmological probes: galaxy clusters, large scale structure, supernovae, strong lensing, and weak lensing. This Science Requirements Document (SRD) quantifies the expected dark energy constraining power of these probes individually and together, with conservative assumptions about analysis methodology and follow-up observational resources based on our current understanding and the expected evolution within the field in the coming years. We then define requirements on analysis pipelines that will enable us to achieve our goal of carrying out a dark energy analysis consistent with the Dark Energy Task Force definition of a Stage IV dark energy experiment. This is achieved through a forecasting process that incorporates the flowdown to detailed requirements on multiple sources of systematic uncertainty. Future versions of this document will include evolution in our software capabilities and analysis plans along with updates to the LSST survey strategy.

研究の動機と目的

• LSST データを用いて、5 つの DESC プローブを個別および結合して、期待される暗黒エネルギーの制約力を定量化する。
• 統計的不確実性および系統的不確実性の取り扱いを含む、DESC 分析パイプラインの要件を定義する。
• キャリブレーション可能な系統誤差が暗黒エネルギーパラメータの総不確実性を支配しないようにする。
• 長期的な DESC ソフトウェアおよび分析開発を導くための高レベルの目的と目標を確立する。
• プローブ間で予測、誤差予算、再現性を確保するための枠組みを設定する。

提案手法

• 複数のプローブ（WL、LSS、CL、SN、SL）に対して、フィッシャー行列と尤度解析を用いた予測フレームワーク。
• 事前分布と周辺化を用いて、不確実性を伝搬させる、キャリブレーション可能な系統誤差と自己計校系統誤差の2つのクラス。
• w0–wa平面での DETF FoM の定義と、プローブを横断する結合解析の組み合わせ規則。
• 各プローブに対するベースライン解析を以下のように指定。A) 完全トモグラフィック WL 3×2pt、B)クラスタ数とレンズ効果、C) LSS トモグラフィッククラスタリング、D) WFDとDDFを用いた SN、E) 時間遅延と複合集成レンズを用いる SL。
• 最終 FoM 目標（500）を満たすよう キャリブレーション可能な系統誤差を調整する誤差予算プロセス。
• 想定宇宙論モデル（7パラメータの平坦な wCDM）と、進行する要件のための Year 1/Year 10 予測枠組み。

実験結果

リサーチクエスチョン

• RQ1 前提条件の下で、Year 10 までに LSST DESC が達成できると予測される結合暗黒エネルギー FoM はどれか。
• RQ2 FoM 目標を達成するために、キャリブレーション可能な系統誤差と自己校正系統誤差をどのようにモデル化し周辺化すべきか。
• RQ3 stand-alone Stage IV 目標を達成するための各 DESC プローブのベースライン解析とデータ要件は何か。
• RQ4 個々のプローブ（CL、WL、LSS、SN、SL）が結合制約にどのように寄与し、事前分布がそれらにどう影響するか。
• RQ5 プローブ間で DESC の暗黒エネルギー解析を予測し再現するために、どのようなインフラとソフトウェア機能が必要か。

主な発見

• DESC は Stage III の事前分布を用いて、フル LSST Year 10 データで結合 FoM が 500 を超えることを目指す。
• プローブのベースライン分析には、完全トモグラフィック WL 3×2pt とレンズ効果を伴うクラスタ数、LSS トモグラフィッククラスタリング、WFD/DDF を用いた SN、時間遅延と複合集成レンズを用いる SL が含まれる。
• キャリブレーション可能な系統誤差は w0–wa の周辺化統計的不確実性を下回るように保つべきであり、自己校正系統誤差は宇宙論とともに周辺化される。
• 予測は、複数のプローブがそれぞれ異なる系統依存性を持つ独立した暗黒エネルギー制約を DESC が提供することを示唆している。
• すべてのプローブ間で予測を自己一致的に結合し再現性を保証するための、専用の予測ソフトウェアフレームワークが必要。
• 文書は Year 1 と Year 10 のデータセットを区別し、事前分布や外部データ（SDSS-III BOSS、Planck、H0）が FoM および要件にいかに影響するかを規定する。