[论文解读] Cosmological constraints from the density gradient weighted correlation function

Xiaoyuan Xiao, Yizhao Yang+9 more|arXiv (Cornell University)|Mar 29, 2022

Galaxies: Formation, Evolution, Phenomena参考文献 109被引用 8

一句话总结

本文提出了一种基于密度梯度加权相关函数（W∆s(µ)）的新宇宙学统计量，以超越标准两点统计量，增强对宇宙学参数的约束。通过使用 |∇ρ/ρ|α 对星系团聚进行加权，该方法捕捉了非高斯结构信息，表明梯度加权在统计上比仅使用密度加权更有效，且结合两种方案可使约束能力相比仅使用梯度加权提升高达25%，与标准两点相关函数（2pCF）相比，Ωm的约束能力提升2至4倍。

ABSTRACT

The mark weighted correlation function (MCF) $W(s,\mu)$ is a computationally efficient statistical measure which can probe clustering information beyond that of the conventional 2-point statistics. In this work, we extend the traditional mark weighted statistics by using powers of the density field gradient $| abla ho/ ho|^\alpha$ as the weight, and use the angular dependence of the scale-averaged MCFs to constrain cosmological parameters. The analysis shows that the gradient based weighting scheme is statistically more powerful than the density based weighting scheme, while combining the two schemes together is more powerful than separately using either of them. Utilising the density weighted or the gradient weighted MCFs with $\alpha=0.5,\ 1$, we can strengthen the constraint on $\Omega_m$ by factors of 2 or 4, respectively, compared with the standard 2-point correlation function, while simultaneously using the MCFs of the two weighting schemes together can be $1.25$ times more statistically powerful than using the gradient weighting scheme alone. The mark weighted statistics may play an important role in cosmological analysis of future large-scale surveys. Many issues, including the possibility of using other types of weights, the influence of the bias on this statistics, as well as the usage of MCFs in the tomographic Alcock-Paczynski method, are worth further investigations.

研究动机与目标

• 通过整合非高斯团聚信息，超越标准两点统计量，以改进宇宙学参数的约束。
• 探究密度场的空间梯度是否可作为标记相关函数中比密度本身更具信息量的标记。
• 评估在约束Ωm时，基于密度和基于梯度的加权方案联合使用的统计能力。
• 评估在未来的大尺度结构巡天中使用梯度加权MCF的可行性和优势。

提出的方法

• 本研究提出一种新的标记相关函数（MCF），其中标记定义为 |∇ρ/ρ|α（α = 0.5 和 1），以基于局部密度梯度对星系对进行加权。
• 从N体模拟（BigMD 和 COLA）中计算各向异性的、尺度平均的MCF W∆s(µ)，以捕捉角度依赖性和红移空间畸变。
• 通过比较不同Ωm值（0.25–0.35）的模拟中W∆s(µ)的差异，利用卡方（χ²）和调整卡方（reduced χ²）统计量推导宇宙学约束。
• 该方法比较了三种方案的统计能力：标准2pCF、密度加权MCF和梯度加权MCF，以及两种加权类型的联合使用。
• 分析使用了5组COLA模拟，每组包含1024³颗粒，在(680h⁻¹Mpc)³的盒子中，以确保足够大的体积用于尺度依赖性团聚分析。
• 协方差矩阵通过模拟样本估计，统计显著性通过χ²和调整χ²评估，自由度近似为点数减一。

实验结果

研究问题

• RQ1 在标记相关函数中，密度梯度 |∇ρ/ρ|α 是否可作为比密度本身更具信息量的标记，用于宇宙学参数估计？
• RQ2 梯度加权MCF的统计能力与标准2pCF和密度加权MCF相比如何？
• RQ3 在MCF分析中，联合使用基于密度和基于梯度的加权方案是否能带来协同增益？
• RQ4 与标准两点统计量相比，梯度加权MCF在多大程度上增强了对Ωm的约束？
• RQ5 该方法对宇宙学模型假设和模拟系统误差的鲁棒性如何？

主要发现

• 梯度加权MCF在统计上比密度加权MCF更强大，当与密度加权联合使用时，其统计能力比仅使用梯度加权高出25%。
• 使用梯度加权MCF（α = 1）可使Ωm的约束能力相比标准两点相关函数（2pCF）提升4倍。
• 使用密度加权MCF（α = 0.5）可使Ωm的约束能力相比标准2pCF提升2倍。
• 联合使用基于密度和基于梯度的加权方案，其统计能力比仅使用梯度加权方案高出1.25倍。
• χ²和调整χ²统计量证实，两种加权方案均可有效区分不同Ωm值的模拟，其中梯度方案表现出更优的区分能力。
• 该方法表明，密度梯度提供了与密度场互补的信息，增强了对不同宇宙网环境中团聚模式的敏感性。