[论文解读] HYMALAIA: A Hybrid Lagrangian Model for Intrinsic Alignments

Francisco Maion, Raúl E. Angulo+4 more|arXiv (Cornell University)|Jul 25, 2023

Astronomy and Astrophysical Research参考文献 110被引用 11

一句话总结

HYMALAIA 是一种混合拉格朗日模型，通过用来自 N-body 模拟的非线性位移场对拉格朗日形状偏差展开进行对流，将有偏追踪量的固有对齐预测得更准确，在没有额外自由参数的情况下优于 NLA 和 TATT。

ABSTRACT

The intrinsic alignment of galaxies is an important ingredient for modelling weak-lensing measurements, and a potentially valuable cosmological and astrophysical signal. In this paper, we present HYMALAIA: a new model to predict the intrinsic alignments of biased tracers. HYMALAIA is based on a perturbative expansion of the statistics of the Lagrangian shapes of objects, which is then advected to Eulerian space using the fully non-linear displacement field obtained from $N$-body simulations. We demonstrate that HYMALAIA is capable of consistently describing monopole and quadrupole of halo shape-shape and matter-shape correlators, and that, without increasing the number of free parameters, it does so more accurately than other perturbatively inspired models such as the non-linear alignment (NLA) model and the tidal-alignment-tidal-torquing (TATT) model.

研究动机与目标

• 为弱透镜和 IA 作为宇宙学信号的精确固有对齐建模提供动机。
• 开发用于形状的混合拉格朗日偏差框架，以描述有偏追踪量的 IA。
• 利用来自 N-body 模拟的非线性位移场，将拉格朗日偏差算子对流到欧拉空间。
• 在单极子和四极子统计量上，将 HYMALAIA 与现有的摄动理论 IA 模型进行比较评估。

提出的方法

• 形成拉格朗日形状偏差展开：g_{ij}(q) ≈ (c_s + c_{δs} δ) s_{ij}(q) + c_{s⊗s} (s⊗s)_{ij}(q) + c_{∇^2} ∇^2 s_{ij}(q) + ε^{L}_{ij}(q).
• 用通过方程 g_{ij}(x) = ∫ d^3q δ^D(x−q−ψ(q)) g_{ij}(q) 将这些拉格朗日算子以完全非线性位移场对流到欧拉空间。
• 通过将算子交叉谱与偏差参数组合并引入一个用于随机噪声的振幅 A_SN，计算用于 E/B 模式分解形状的基谱并构建 P^{(ℓ)} 谱。
• 使用 BACCO gravity-only N-body 模拟（1440^3 h^-3 Mpc^3 体积）并通过 F&P 方差简化来评估对流并测量自相关/互相关功率谱。
• 将 HYMALAIA 模型设为具有 5 个自由参数（c_s, ϟcc_delta s, c_{s⊗s}, c_{∇^2}, A_SN）。
• 与 LA、NLA、TATT 和 EFT IA 模型在单极子和四极子 IA 统计量上进行比较。

Figure 1: Basis spectra employed in the construction of the HYMALAIA model. Some of these spectra are negative, and hence we show their absolute values, for visualization purposes. The top panel shows the monopole of the auto and cross power-spectra computed between the basis operators entering the

实验结果

研究问题

• RQ1 混合拉格朗日偏差方法是否能够在超越标准摄动理论的范围内描述有偏追踪量的固有对齐？
• RQ2 与 NLA、TATT 和 EFT IA 模型相比，HYMALAIA 在预测 E-模态和 B-模态 IA 谱方面的表现如何？
• RQ3 非线性位移对流对 IA 预测和参数简并性的影响是什么？
• RQ4 HYMALAIA 推断的拉格朗日偏差参数是否符合密度加权预期（例如，tilde{c}_{sδ} 约等于 b_1 c_s）？

主要发现

• HYMALAIA 能一致描述晕层形状–形状和物质–形状相关性的单极子和四极子。
• 在没有额外自由参数、仅限其 5 参数设定的情况下，HYMALAIA 的表现优于如 NLA 和 TATT 等受摄动启发的模型。
• 该模型使用来自 N-body 模拟的完全非线性位移场，扩大了在标准 PT 比例之外的有效性。
• 拉格朗日形状展开的密度加权意味着重新定义的 tilde{c}_{sδ} 参数，将 c_{sδ} 与 b_1 c_s 结合起来。
• 该框架证明了混合拉格朗日偏差方法作为可靠、无偏 IA 建模工具在 IA 领域的可行性。

Figure 2: Points with error bars indicate the shape power spectrum multipoles measured from the simulations with Nenya cosmology, $L=512\,h^{-1}$ Mpc, at redshift $z=0$ . Colored solid lines represent the fits using HYMALAIA. Dashed lines indicate spectra that are originally negative, but are plotte