[논문 리뷰] Constraining neutrino masses with weak-lensing multiscale peak counts

Virginia Ajani, Austin Peel외 4명|arXiv (Cornell University)|2020. 01. 29.

Astrophysics and Cosmic Phenomena인용 수 3

한 줄 요약

이 연구는 MassiveNus 시뮬레이션에서 유도한 다중스케일 약한 렌즈링 피크 수를 사용하여 중성미자 총질량(Mν), 물질 밀도(Ωm), 그리고 초기 스펙트럼의 진폭(As)을 제약하는 데 사용된다. 스타렛 및 다중스케일 가우시안 필터를 적용하여, 피크 수가 파wer 스펙트럼보다 이론적 파arameter 제약에서 63–77% 더 뛰어난 성능을 보임을 입증하였으며, 다중스케일 필터링을 사용할 경우 피크 수와 파워 스펙트럼을 조합해도 추가 정보가 없음을 확인하였다.

ABSTRACT

Massive neutrinos influence the background evolution of the Universe as well as the growth of structure. Being able to model this effect and constrain the sum of their masses is one of the key challenges in modern cosmology. Weak-lensing cosmological constraints will also soon reach higher levels of precision with next-generation surveys like LSST, WFIRST and Euclid. We use the MassiveNus simulations to derive constraints on the sum of neutrino masses $M_{ u}$, the present-day total matter density $\Omega_{ m m}$, and the primordial power spectrum normalization $A_{ m s}$ in a tomographic setting. We measure the lensing power spectrum as second-order statistics along with peak counts as higher-order statistics on lensing convergence maps generated from the simulations. We investigate the impact of multiscale filtering approaches on cosmological parameters by employing a starlet (wavelet) filter and a concatenation of Gaussian filters. In both cases peak counts perform better than the power spectrum on the set of parameters [$M_{ u}$, $\Omega_{ m m}$, $A_{ m s}$] respectively by 63$\%$, 40$\%$ and 72$\%$ when using a starlet filter and by 70$\%$, 40$\%$ and 77$\%$ when using a multiscale Gaussian. More importantly, we show that when using a multiscale approach, joining power spectrum and peaks does not add any relevant information over considering just the peaks alone. While both multiscale filters behave similarly, we find that with the starlet filter the majority of the information in the data covariance matrix is encoded in the diagonal elements; this can be an advantage when inverting the matrix, speeding up the numerical implementation.

연구 동기 및 목표

• 약한 렌즈링 통계를 활용하여 중성미자 질량, Ωm, As에 대한 우주론적 제약을 향상시키는 것.
• 다중스케일 필터링 기법—스타렛 및 다중스케일 가우시안 필터—이 우주론적 파arameter 추론에 미치는 성능을 평가하는 것.
• 다중스케일 프레임워크에서 피크 수와 렌즈링 파워 스펙트럼을 조합할 경우 제약력이 향상되는지 평가하는 것.
• 웨이브렛 분해의 다양한 해상도 스케일에서의 정보 함량을 조사하는 것, 특히 가장 거친 스케일에 중점을 두는 것.

제안 방법

• Euclid 유사 노이즈 특성을 지닌 MassiveNus 시뮬레이션의 렌즈링 수렴도 지도를 사용한다.
• 스타렛(웨이브렛) 및 다중스케일 가우시안 필터를 적용하여 수렴도 지도를 다중 스케일로 분해한다.
• 우주론적 추론을 위해 피크 수를 고계 통계로, 렌즈링 파워 스펙트럼을 2차 통계로 활용한다.
• 보간된 우도함수를 가우스 과정를 통해 구축하고, MCMC 샘플링을 통한 베이지안 추론을 수행한다.
• 시뮬레이션으로부터 공분산 행렬을 구축하고, 적절한 오차 전파를 고려하여 파arameter 제약을 계산한다.
• 특히 스타렛 필터의 경우, 공분산 행렬의 대각성 dominance를 분석하여 정보 함량을 정량화한다.

실험 결과

연구 질문

• RQ1 단일스케일 방법에 비해 다중스케일 필터링이 Mν, Ωm, As에 대한 우주론적 제약에 개선을 가져오는가?
• RQ2 피크 수에서 우주론적 정보를 추출할 때 스타렛 필터와 다중스케일 가우시안 필터는 어떻게 비교되는가?
• RQ3 다중스케일 필터링을 사용할 경우 피크 수와 렌즈링 파워 스펙트럼을 조합하면 추가로 정보가 증가하는가?
• RQ4 웨이브렛 분해의 거친 스케일 성분이 피크 수의 전체 우주론적 정보에 어떤 기여를 하는가?
• RQ5 스타렛 도메인에서 피크 수의 공분산 행렬이 어느 정도 대각성으로 나타나며, 이는 계산적 영향에 어떤 의미를 갖는가?

주요 결과

• 스타렛 필터를 사용할 경우, 피크 수는 Mν 제약에서 63%, Ωm에서 40%, As에서 72% 더 뛰어난 성능을 보인다.
• 다중스케일 가우시안 필터를 사용할 경우, 피크 수는 Mν 제약에서 70%, Ωm에서 40%, As에서 77% 더 뛰어난 성능을 보인다.
• 다중스케일 필터링을 사용할 경우 피크 수와 파워 스펙트럼을 조합해도 추가 정보가 없음을 확인하였으며, 이는 피크 수만으로도 충분함을 시사한다.
• 스타렛 필터는 대부분의 데이터 공분산 정보를 대각 요소에 압축하여, 행렬 역행렬 계산을 단순화하고 수치적 구현을 가속화한다.
• 스타렛 분해의 거친 스케일 성분은 무시할 수 없는 우주론적 정보를 포함하고 있으며, 파arameter 추론에서 간과할 수 없다.
• 다중스케일 가우시안 필터링에 비해 스타렛 필터는 더 컴act하고 수치적으로 효율적인 데이터 공분산 표현을 제공하여 뛰어난 성능을 달성한다.