[論文レビュー] The Aemulus Project IV: Emulating Halo Bias

Thomas McClintock, Eduardo Rozo+7 more|arXiv (Cornell University)|Jul 30, 2019

Galaxies: Formation, Evolution, Phenomena参考文献 1被引用数 18

ひとこと要約

本論文は、宇宙論的パラメータ空間をカバーする40個のN体シミュレーションを用いてトレーニングされた高精度なハロー密度バイアスエミュレータを提示している。赤方偏移0〜3の範囲で線形ハロー密度バイアスを予測する際、1パーセント未満の精度を達成している。Tinkerら（2010）のモデルを超えて、ピーク高さを超えた宇宙論的依存性を組み込み、漸近的マッチングを用いて低質量領域（10¹¹ h⁻¹M⊙まで）への正確な外挿を可能にした。これにより、宇宙論的解析における信頼性の高い誤差予算の構築が可能になった。

ABSTRACT

Models of the spatial distribution of dark matter halos must achieve new levels of precision and accuracy in order to satisfy the requirements of upcoming experiments. In this work, we present a halo bias emulator for modeling the clustering of halos on large scales. It incorporates the cosmological dependence of the bias beyond the mapping of halo mass to peak height. The emulator makes substantial improvements in accuracy compared to the widely used Tinker et al. (2010) model. Halos in this work are defined using an overdensity criteria of 200 relative to the mean background density. Halo catalogs are produced for 40 N-body simulations as part of the Aemulus project at snapshots from z=3 to z=0. The emulator is trained over the mass range $6 imes10^{12}-7 imes10^{15}\ h^{-1}M_{\odot}$. Using an additional suite of 35 simulations, we determine that the precision of the emulator is redshift dependent, achieving sub-percent levels for a majority of the redshift range. Two additional simulation suites are used to test the ability of the emulator to extrapolate to higher and lower masses. Our high-resolution simulation suite is used to develop an extrapolation scheme in which the emulator asymptotes to the Tinker et al. (2010) model at low mass, achieving ~3% accuracy down to $10^{11}\ h^{-1}M_{\odot}$. Finally, we present a method to propagate emulator modeling uncertainty into an error budget. Our emulator is made publicly available at \url{https://github.com/AemulusProject/bias_emulator}.

研究の動機と目的

• 質量からピーク高さへのマッピングを超えた宇宙論的依存性を捉える高精度な線形ハロー密度バイアスエミュレータの開発。
• 多様な宇宙論的パラメータと赤方偏移におけるハロークラスタリングの正確なモデリングの実現。
• トレーニングデータが乏しい低質量ハロー（10¹¹ h⁻¹M⊙まで）へのエミュレータの予測能力の拡張。
• エミュレータの不確実性を定量化し、クラスターマスキャリブレーションにおける宇宙論的誤差予算に適切に組み込むこと。
• LSST、Euclid、DESIといった今後の宇宙探査計画を支援するため、ハロー密度バイアスモデリングにおける理論的不確実性を低減すること。

提案手法

• エミュレータは、Planck+WMAP+BAO+SNIaの宇宙論的制約の3σ領域をカバーする40個のN体シミュレーションを用いてトレーニングされた。ハローはΔ=200の過密度で定義されている。
• 線形ハロー密度バイアスb(M,z)は、ハロー質量Mと赤方偏移zの関数としてモデル化され、単純なピーク高さマッピングを超えた宇宙論的依存性が組み込まれている。
• 低質量領域（M < 10¹³ h⁻¹M⊙）における外挿スキームが開発され、エミュレータは低質量領域でTinker ら（2010）のモデルに漸近的に一致するように設計されており、10¹¹ h⁻¹M⊙まで安定かつ正確に予測可能である。
• エミュレータの精度は、サンプル分散を低減し、動的範囲を広げた35個の追加テストシミュレーションを用いて検証された。
• エミュレータの不確実性を統計モデルとして構築し、ベイズフレームワークを用いて誤差予算へと前方伝搬された。
• 高解像度かつ大スケールのシミュレーションを用いてロバストネスをテストした結果、テストセットに比して優れた統計的特性を持つにもかかわらず、エミュレータの予測能力が確認された。

実験結果

リサーチクエスチョン

• RQ1 ハロー密度バイアスエミュレータは、Tinker ら（2010）のモデルを超えて、広い赤方偏移範囲および宇宙論的パrameter範囲で1パーセント未満の精度を達成できるか？
• RQ2 トレーニングデータが乏しい低質量領域（M < 10¹³ h⁻¹M⊙）において、エミュレータはどれほど正確にハロー密度バイアスを予測できるか？
• RQ3 トレーニング範囲以下の質量領域へのエミュレータの外挿において、物理的に整合性を保ちつつ最適な手法は何か？
• RQ4 エミュレータの予測における不確実性をどのように定量化し、宇宙論的誤差予算に適切に組み込むことができるか？
• RQ5 トレーニングセットよりもはるかに高い動的範囲と低いサンプル分散を持つシミュレーションにおいて、エミュレータはハロークラスタリングを正確にモデリングできるか？

主な発見

• エミュレータは、赤方偏移z=0からz=3の大部分の範囲で、ハロー密度バイアスの予測において1パーセント未満の精度を達成している。z=0ではわずかにこの閾値を下回る精度であるが、例外的である。
• Tinker ら（2010）のモデルに漸近的にマッチングすることで、エミュレータは低質量領域（10¹¹ h⁻¹M⊙まで）への外挿に成功し、この領域では約3%の精度を達成している。
• サンプル分散を5分の1に低減した35個のテストシミュレーションの検証により、エミュレータのロバストネスと予測能力が確認された。
• 体積(3 h⁻¹Gpc)³、質量分解能10¹¹ h⁻¹M⊙の高解像度シミュレーションを用いたテストにより、テストセットに比して優れた統計的特性を持つにもかかわらず、エミュレータの精度が裏付けられた。
• エミュレータの不確実性モデルにより、理論的不確実性を信頼性を持って宇宙論的誤差予算に組み込むことが可能となり、主要な系統的誤差要因の低減が達成された。
• エミュレータはhttps://github.com/AemulusProject/bias_emulatorにて公開されており、再現性の確保と今後の宇宙論的解析への統合を支援している。