[논문 리뷰] How to optimally combine pre-reconstruction full shape and post-reconstruction BAO signals

Héctor Gil-Marín|arXiv (Cornell University)|2022. 03. 10.

Galaxies: Formation, Evolution, Phenomena참고 문헌 27인용 수 10

한 줄 요약

이 논문은 천체역학적 설문조사에서 사전 복원 전체 형상 및 사후 복원 BAO 신호를 최적으로 조합하는 세 가지 방법을 평가한다: 파wer 스펙트럼 다중극자 수준(P(ℓ)(k))에서의 조합, 압축된 BAO 변수 수준(α∥,⊥)에서의 조합, 그리고 하이브리드 접근법. 연구 결과, P(ℓ)(k) 수준에서의 조합이 다른 방법들보다 5–10% 더 날카운 제약을 제공하는 것으로 나타났으며, 이는 표준 BAO 전용 접근법이 거의 최적임을 보여주며, 몽키에 대한 반복적인 파ipelining을 피하기 때문에 더 빠르고 효율적임을 입증한다.

ABSTRACT

We review the different approaches for combining the cosmological information from the full shape of the pre-reconstructed power spectrum - usually referred as redshift-space distortion (RSD) analysis - and from the baryon acoustic oscillation (BAO) peak position in the post-reconstructed power spectrum with the aim of finding the optimal procedure. We focus on combining the pre- and post-reconstructed derived quantities at different compression levels: 1) the two-point summary statistics, the power spectrum multipoles, $P^{(\ell)}(k)$; 2) the compressed BAO variables, $\alpha_{\parallel,\perp}$; and 3) an hybrid approach between 1) and 2). We apply these methods to the publicly available eBOSS Luminous Red Galaxy catalogues, for both data and synthetic EZ-mocks. We find that the three approaches result in very consistent posteriors when the appropriate covariance matrix estimator is used. On average, the combination at $P^{(\ell)}(k)$ level retrieves $5-10\%$ tighter constraints than the other two approaches, demonstrating that the standard approach of combining at the level of the BAO variables is nearly optimal. We conclude that combining both BAO post-reconstructed and full shape pre-reconstructed signals for the one single data realization at the level of the summary statistics is faster, as it does not require running the whole pipeline on the individual mocks, and brings a moderate $10\%$ improvement, with respect to the other two studied methods. Moreover, we check for potential systematics, such as, the way the matrix is built and the effect of the finite number of mocks on the likelihood estimator and find none of these have a significant impact in the final results. Combining the pre- and post-reconstruction signals at the level of the summary statistics is an attractive, faster and accurate method to be used in future and on-going spectroscopic surveys.

연구 동기 및 목표

• 대규모 구조 설문조사에서 사전 복원 전체 형상 및 사후 복원 BAO 신호로부터의 천체론적 정보를 최적으로 조합하는 방법을 규명하는 것.
• 요약 통계 수준(파워 스펙트럼 다중극자)에서의 조합이 압축된 BAO 변수 또는 하이브리드 방법에 기반한传통적 접근법보다 우수한가를 평가하는 것.
• 공분산 행렬 추정, 밴드폭 모델링, 몽키 카탈로그의 영향이 최종 천체론적 제약에 미치는 영향을 평가하는 것.
• 공분산 행렬 아키텍처 및 유한한 몽키 샘플링과 같은 체계적 요인에 대한 조합 방법의 탄력성 검증

제안 방법

• 연구는 세 가지 조합 전략을 비교한다: (1) 파워 스펙트럼 다중극자 수준 P(ℓ)(k)에서의 조합, (2) 압축된 BAO 변수 수준(α∥,⊥)에서의 조합, (3) 사후 복원 BAO 변수와 사전 복원 파워 스펙트럼을 조합하는 하이브리드 접근법.
• 분석은 eBOSS 루미너스 레드 거대성성(LRG) 카탈로그와 1000개의 합성 EZ-mocks를 사용하여 파rameter 제약과 공분산 행렬을 추정한다.
• 천체론적 제약은 몽키로부터 추정된 전체 공분산 행렬을 포함하는 우도 프레임워크를 사용하여 유도되며, 공분산 행렬의 아키텍처와 밴드폭 모델링에 주의를 기울인다.
• 이 방법은 BAO 변수와 파워 스펙트럼 다중극자 간의 상관관계를 평가하여 척도에 따른 정보 분포를 이해한다.
• 체계적 점검에는 공분산 행렬 구축 방식, 밴드폭 모델 선택, 유한한 몽키 샘플링이 우도 추정기와 파rameter 제약에 미치는 영향을 테스트하는 것이 포함된다.
• 모든 방법에 동일한 기준 천체론적 우도 프레임워크를 사용하여 공정한 비교를 보장하며, 데이터와 몽키에 동일한 기준 천체론적 파이프라인을 사용한다.

실험 결과

연구 질문

• RQ1 파워 스펙트럼 다중극자 수준(P(ℓ)(k))에서 사전 및 사후 복원 신호를 조합하면, 압축된 BAO 변수(α∥,⊥) 또는 하이브리드 방법에서의 조합보다 더 날카운 천체론적 제약을 얻을 수 있는가?
• RQ2 공분산 행렬의 구성 방식이나 밴드폭 모델 선택과 같은 체계적 요인이 최종 천체론적 제약에 어떤 영향을 미치는가?
• RQ3 유한한 수의 몽키를 사용할 경우, 우도 추정기와 파rameter 제약의 정확도에 어떤 영향을 미치는가?
• RQ4 파워 스펙트럼의 다양한 k-구간과 다중극자에서 BAO 피크의 정보 내용은 어떻게 상관되는가?
• RQ5 파라미터 수준에서의 후행적 BAO 및 전체 형상 신호 조합 방식이 데이터 벡터 수준에서의 동시 분석에 비해 열등한가?

주요 결과

• 사전 및 사후 복원 신호를 파워 스펙트럼 다중극자 수준 P(ℓ)(k)에서 조합할 경우, 압축된 BAO 변수(α∥,⊥) 또는 하이브리드 접근법에서의 조합보다 5–10% 더 날카운 천체론적 제약을 얻는다.
• 적절한 공분산 행렬 추정기 사용 시, P(ℓ)(k), α∥,⊥, 및 하이브리드 세 가지 조합 방법 모두 매우 유사한 사후 분포를 생성한다.
• P(ℓ)(k) 방법은 한 번의 데이터 분석 파이프라인 실행만으로도 가능하므로 더 빠르고 효율적이다. 반면, 압축된 변수의 후행적 조합은 모든 몽키에 대해 반복적인 파이프라인 실행이 필요하다.
• 체계적 점검 결과, 공분산 행렬 아키텍처, 밴드폭 모델 선택, 또는 유한한 몽키 샘플링이 최종 파rameter 제약에 유의미한 영향을 미치지 않았다.
• BAO 변수와 파워 스펙트럼 다중극자 간의 상관관계는 k ≈ 0.15 h/Mpc⁻¹에서 최고로 높아지며, 이는 이 척도가 BAO 정보에 가장 민감함을 시사한다.
• 관측된 α∥ 및 α⊥의 체계적 이완은 α⊥의 경우 1% 미만, α∥의 경우 1.5–2% 수준이며, 사전 복원 전용 분석에서 관측된 바와 일치하며, 이는 고도의 이론 모델링에 기인한다.