[논문 리뷰] Dark Energy Survey Year 3 Results: Clustering Redshifts -- Calibration of the Weak Lensing Source Redshift Distributions with redMaGiC and BOSS/eBOSS

M. Gatti, G. Giannini외 96명|arXiv (Cornell University)|2020. 12. 15.

Galaxies: Formation, Evolution, Phenomena참고 문헌 7인용 수 5

한 줄 요약

이 논문은 암흑 에너지 조사 연도 3에서 약한 렌즈링 원천 적색편이 분포를 레드마지크 및 BOSS/eBOSS 광학 스펙트럼 샘플과의 군집 상관관계를 이용해 새로운 보정 방법을 제시한다. 평균 적색편이 추정 및 가능도 기반 $ n(z) $ 샘플링이라는 두 가지 방법을 도입하여 $ n(z) $ 의 정확도와 정밀도를 크게 향상시키며, 평균 적색편이 불확실성을 약 ~0.014 RMS 수준으로 감소시키고 체계적 오차의 균형을 통해 형태 유지 성능을 향상시킨다.

ABSTRACT

We present the calibration of the Dark Energy Survey Year 3 (DES Y3) weak lensing source galaxy redshift distributions $n(z)$ from clustering measurements. In particular, we cross-correlate the weak lensing (WL) source galaxies sample with redMaGiC galaxies (luminous red galaxies with secure photometric redshifts) and a spectroscopic sample from BOSS/eBOSS to estimate the redshift distribution of the DES sources sample. Two distinct methods for using the clustering statistics are described. The first uses the clustering information independently to estimate the mean redshift of the source galaxies within a redshift window, as done in the DES Y1 analysis. The second method establishes a likelihood of the clustering data as a function of $n(z)$, which can be incorporated into schemes for generating samples of $n(z)$ subject to combined clustering and photometric constraints. Both methods incorporate marginalisation over various astrophysical systematics, including magnification and redshift-dependent galaxy-matter bias. We characterise the uncertainties of the methods in simulations; the first method recovers the mean $z$ of tomographic bins to RMS (precision) of $\sim 0.014$. Use of the second method is shown to vastly improve the accuracy of the shape of $n(z)$ derived from photometric data. The two methods are then applied to the DES Y3 data.

연구 동기 및 목표

• 약한 렌즈링 원천 성간의 적색편이 분포 $ n(z) $ 를 DES 연도 3에서 군집 상관관계를 이용해 보정하기.
• 광학적 적색편이 불확실성으로 인한 정확하지 않은 $ n(z) $ 추정으로 인해 발생하는 우주론적 제약 조건의 편향을 줄이기.
• 확대 효과 및 적색편이에 따라 변화하는 편향과 같은 체계적 오차를 포함하는 두 가지 강력한 $ n(z) $ 추정 방법을 개발하고 검증하기.
• 광학적 적색편이 방법을 초월하여 군집 데이터와 광학적 사전 정보를 조합함으로써 $ n(z) $ 형태의 정확도를 향상시키기.
• 전체 형태 분석 파이프라인에 통합 가능한 $ n(z) $ 의 가능도 프레임워크를 제공하여 정밀한 우주론적 추론을 가능하게 하기.

제안 방법

• 약한 렌즈링 원천 성간과 레드마지크 성간(안정적인 광학적 적색편이를 가진 빛나는 빨간 성간) 간의 상관관계를 이용해 원천 적색편이 분포를 추론한다.
• 두 가지 별개의 군집 기반 방법을 적용한다: (1) 각 타모그래픽 밴드에 대해 독립적인 평균 적색편이 추정, (2) 군집 데이터를 가능도 함수로 사용하는 $ n(z) $ 의 가능도 기반 샘플링.
• 확대($ ar{eta}_{ m u}, ar{eta}_{ m u} $) 및 적색편이에 따라 변화하는 편향($ b_{ m u}(z) $)과 같은 부수적 매개변수를 균형 처리하며, 지수 다항식 체계적 함수 $ ext{Sys}(z; oldsymbol{s}) $ 로 모델링한다.
• 최대 가능도 점 $ oldsymbol{q}_0 $ 근처에서 선형화 근사를 적용하여 각 밴드당 8개의 부수적 매개변수에 대해 효율적인 적분을 가능하게 하며 가우시안 적분을 통해 균형 처리한다.
• 레전드르 다항식을 $[-0.85, 0.85]$ 에 매핑하여 체계적 변화를 매끄럽고 안정적으로 유지하며, 직교 사전 확률을 통해 체계적 오차의 RMS 제어를 예측 가능하게 한다.
• 부수적 매개변수의 전체 통합을 피하기 위해 효율적인 MCMC 파이프라인에서 사용 가능한 분석적 표현식을 유도하여 $ ilde{oldsymbol{ heta}} $ 의 균형 가능도를 도출한다.

실험 결과

연구 질문

• RQ1 고정밀 적색편이 샘플과의 군집 상관관계는 기존의 광학적 $ z $ 방법을 초월하여 약한 렌즈링 원천 성간의 $ n(z) $ 정확도를 향상시킬 수 있는가?
• RQ2 확대 효과 및 편향과 같은 체계적 오차를 포함할 경우 $ n(z) $ 추정의 정밀도와 강건성은 어떻게 영향을 받는가?
• RQ3 가능도 기반 방법은 평균 적색편이 추정에 비해 $ n(z) $ 형태 유지 성능을 얼마나 향상시키는가?
• RQ4 이 방법은 대규모 설문 조사의 전체 형태 우주론적 분석에 사용할 수 있을 만큼 계산 효율성이 확보되는가?
• RQ5 이 군집 기반 접근법을 통해 타모그래픽 밴드에서 평균 적색편이 추정의 달성 가능한 정밀도는 어느 정도인가?

주요 결과

• 첫 번째 방법을 사용하여 DES Y3 약한 렌즈링 원천 성간의 평균 적색편이는 각 타모그래픽 밴드당 약 ~0.014 RMS 정밀도로 회복된다.
• 가능도 기반 방법은 광학적 적색편이 방법만을 사용할 경우보다 $ n(z) $ 형태의 정확도를 크게 향상시키며, 분포 프로파일의 체계적 편향을 감소시킨다.
• 지수 다항식 $ ext{Sys}(z; oldsymbol{s}) $ 를 사용한 체계적 오차 균형 프레임워크는 적색편이에 따라 변화하는 체계적 오차를 강력하게 제어하며, 예측 가능한 RMS 변화를 가능하게 한다.
• 선형화 및 분석적 균형 처리 기법은 각 밴드당 8개의 부수적 매개변수에 대한 전체 MCMC 통합을 피하기 때문에 계산 비용을 감소시키면서도 정확도를 유지한다.
• 시뮬레이션을 통한 검증 결과, 진짜 $ n(z) $ 가 적색편이 밴드 전반에 걸쳐 일관되게 회복되며, 확대 및 편향 체계적 오차에 대해 강건함을 입증하였다.
• 최종적으로 $ n(z) $ 추정치는 우주론적 분석에 활용 가능하며, 가능도 프레임워크는 DES Y3 및 그 이후의 전체 형태 가능도 파이프라인과 직접 호환된다.