[论文解读] A new model to predict weak-lensing peak counts I. Comparison with $N$-body Simulations

Chieh-An Lin, M. Kilbinger|Oct 25, 2014

Galaxies: Formation, Evolution, Phenomena参考文献 42被引用 3

一句话总结

本文提出了一种快速、灵活的前向建模方法，用于在使用解析采样晕和通过Camelus算法进行光路追踪的情况下预测弱引力透镜峰值计数。该方法与完整的N体模拟结果高度一致，显示出在信噪比（S/N）4–6范围内对Ωₘ和σ₈的敏感性，并在考虑真实观测效应的前提下实现了高效的宇宙学参数约束。

ABSTRACT

Weak-lensing peak counts has been shown to be a powerful tool for cosmology. It provides non-Gaussian information of large scale structures, complementary to second order statistics. We propose a new flexible method to predict weak lensing peak counts, which can be adapted to realistic scenarios, such as a real source distribution, intrinsic galaxy alignment, mask effects, photo-$z$ errors from surveys, etc. The new model is also suitable for applying the tomography technique and non-linear filters. A probabilistic approach to model peak counts is presented. First, we sample halos from a mass function. Second, we assign them NFW profiles. Third, we place those halos randomly on the field of view. The creation of these "fast simulations" requires much less computing time compared to $N$-body runs. Then, we perform ray-tracing through these fast simulation boxes and select peaks from weak-lensing maps to predict peak number counts. The computation is achieved by our extsc{Camelus} algorithm, which we make available at http://www.cosmostat.org/software/camelus/ . We compare our results to $N$-body simulations to validate our model. We find that our approach is in good agreement with full $N$-body runs. We show that the lensing signal dominates shape noise and Poisson noise for peaks with SNR between 4 and 6. Also, counts from the same SNR range are sensitive to $Ω_\mathrm{m}$ and $σ_8$. We show how our model can discriminate between various combinations of those two parameters. In summary, we offer a powerful tool to study weak lensing peaks. The potential of our forward model is its high flexibility, making the use of peak counts under realistic survey conditions feasible.

研究动机与目标

• 开发一种计算高效的预测方法，用于在真实观测条件下预测弱引力透镜峰值计数。
• 实现峰值计数的前向建模，整合真实观测效应，如源红移分布、光谱红移误差、掩膜和固有对齐效应。
• 提供一种灵活的宇宙学参数估计框架，利用峰值计数进行参数估计，避免依赖昂贵的N体模拟。
• 通过与完整N体模拟对比验证该模型，并评估其对宇宙学参数Ωₘ和σ₈的敏感性。
• 在不假设高斯似然函数的前提下，实现高分辨率参数空间探索与模型比较。

提出的方法

• 晕质量从解析质量函数（如Sheth-Tormen）中采样，晕被赋予NFW密度分布。
• 晕的位置在天球上随机分布，以生成避免完整N体计算的“快速模拟”。
• 通过Camelus算法在这些快速模拟盒中执行光路追踪，生成弱引力透镜的光学厚度图。
• 峰值被识别为光学厚度图中的局部极大值点，其计数作为信噪比（S/N）的函数进行计算。
• 通过模块化扩展，模型考虑了掩膜、光谱红移误差和固有对齐等观测效应。
• 通过重复模拟进行统计推断，实现非高斯、无需似然函数的模型比较（如FDR、ABC）。

实验结果

研究问题

• RQ1 是否能够通过一种快速的前向建模方法，在不依赖完整N体模拟的前提下准确预测弱引力透镜峰值计数？
• RQ2 关于晕的分布、NFW分布和质量函数的假设如何影响预测的峰值丰度？
• RQ3 在S/N ≈ 4–6范围内，峰值计数对宇宙学参数Ωₘ和σ₈的敏感程度如何？
• RQ4 在真实观测设置下，该模型能否区分不同组合的Ωₘ和σ₈？
• RQ5 该模型的灵活性在整合真实系统误差（如光谱红移误差和掩膜效应）方面提供了何种支持？

主要发现

• 该模型在高精度下重现了N体模拟的峰值计数结果，尤其在S/N 4–6范围内表现优异。
• 在S/N ≈ 4–6范围内，引力透镜信号主导于形状噪声和泊松噪声，使这些峰值成为宇宙学约束的理想选择。
• S/N 4–6范围内的峰值计数对Ωₘ和σ₈表现出强烈敏感性，在Ωₘ–σ₈平面上呈现出明显的退化方向。
• 该模型的快速计算能力支持广泛的参数空间探索，实现稳健的模型比较与系统误差的边际化处理。
• 整合真实观测效应（如掩膜、光谱红移误差和固有对齐）是可行的，并显著提升了模型的真实性。
• 该方法可通过FDR和ABC等方法实现无需似然函数的推断，支持在不假设高斯分布的前提下进行稳健的统计检验。