[论文解读] Primordial physics from large-scale structure beyond the power spectrum

Roland de Putter|arXiv (Cornell University)|Feb 19, 2018

Cosmology and Gravitation Theories被引用 16

一句话总结

该论文提出一个统一框架，利用功率谱之外的高阶统计量（包括三谱和四谱）从大尺度结构中提取原初物理信息。结果表明，若忽略非线性演化中长模与短模耦合引起的非高斯宇宙方差，$f_{\rm NL}$ 的约束可能被削弱高达3倍；而联合分析功率谱、三谱与四谱可实现最优宇宙方差抵消，显著提升对物质与晕的 $f_{\rm NL}$ 约束。

ABSTRACT

We study constraints on primordial mode-coupling from the power spectrum, squeezed-limit bispectrum and collapsed trispectrum of matter and halos. We describe these statistics in terms of long-wavelength $2$-point functions involving the matter/halo density and position-dependent power spectrum. This allows us to derive simple, analytic expression for the information content, treating constraints from scale-dependent bias in the halo power spectrum on the same footing as those from higher order statistics. In particular, we include non-Gaussian covariance due to long-short mode-coupling from non-linear evolution, which manifests itself as long-mode cosmic variance in the position-dependent power spectrum. We find that bispectrum forecasts that ignore this cosmic variance may underestimate $σ(f_{ m NL})$ by up to a factor $\sim 3$ for the matter density (at $z=1$) and commonly a factor $\sim 2$ for the halo bispectrum. Constraints from the bispectrum can be improved by combining it with the power spectrum and trispectrum. The reason is that, in the position-dependent power spectrum picture, the bispectrum and trispectrum intrinsically incorporate multitracer cosmic variance cancellation, which is optimized in a joint analysis. For halo statistics, we discuss the roles of scale-dependent bias, matter mode-coupling, and non-linear, non-Gaussian biasing ($b_{11}^{(h)}$). While scale-dependent bias in the halo power spectrum is already very constraining, higher order halo statistics are competitive in the regime where stochastic noise in the position-dependent halo power spectrum is low enough for cosmic variance cancellation to be effective, i.e.~for large halo number density and large $k_{ m max}$. This motivates exploring this regime observationally.

研究动机与目标

• 通过统一的形式化方法，联合约束来自功率谱、三谱与四谱的原初模耦合参数 $f_{\rm NL}$。
• 量化非线性演化中长模与短模耦合引起的非高斯宇宙方差对 $f_{\rm NL}$ 预测的影响。
• 证明联合分析功率谱、三谱与四谱可实现最优宇宙方差抵消，从而提升 $f_{\rm NL}$ 约束精度。
• 在位置依赖功率谱形式化中纳入尺度依赖偏置、非线性偏置 ($b_{11}^{(h)}$) 与晕的随机噪声效应。
• 表明若在三谱预测中忽略非高斯宇宙方差，对物质的 $\sigma(f_{\rm NL})$ 可能低估高达3倍，对晕则低估约2倍。

提出的方法

• 将所有统计量（功率谱、三谱、四谱）表示为涉及物质/晕密度与位置依赖功率谱的长波长 2 点函数。
• 通过将尺度依赖偏置与高阶统计量同等处理，推导出信息含量的解析表达式。
• 将非线性演化引起的长模与短模耦合导致的非高斯协方差，作为位置依赖功率谱中的长模宇宙方差纳入。
• 将晕的随机噪声建模为非高斯，并利用偏置参数 $b^{(h)}_{\delta_{L}\epsilon_{S}}$、$b^{(h)}_{\epsilon_{L}\delta_{S}}$ 与 $b^{(h)}_{\epsilon^{2}}$ 推导其对三谱与四谱的模耦合贡献。
• 利用位置依赖功率谱形式化证明，三谱与四谱自然包含多tracer宇宙方差抵消机制。
• 推导出四谱中星系噪声贡献的显式表达式，包括来自非高斯晕随机性的项，并与标准结果进行验证。

实验结果

研究问题

• RQ1 长模与短模耦合引起的非高斯宇宙方差如何影响三谱中的 $f_{\rm NL}$ 约束？
• RQ2 能否在统一的形式化框架下处理功率谱、三谱与四谱以实现 $f_{\rm NL}$ 约束？
• RQ3 联合分析多种统计量在多大程度上通过宇宙方差抵消提升 $f_{\rm NL}$ 约束精度？
• RQ4 晕的随机噪声与非线性偏置如何影响位置依赖功率谱与高阶统计量？
• RQ5 在标准三谱预测中忽略非高斯宇宙方差的定量影响是什么？

主要发现

• 若忽略非线性演化中长模与短模耦合引起的非高斯宇宙方差，对物质密度在 $z=1$ 处的 $\sigma(f_{\rm NL})$ 约束可能被削弱高达3倍。
• 对于晕的三谱，忽略此类宇宙方差将导致 $\sigma(f_{\rm NL})$ 的低估约2倍。
• 联合分析功率谱、三谱与四谱可实现最优多tracer宇宙方差抵消，显著提升 $f_{\rm NL}$ 约束精度。
• 位置依赖功率谱形式化自然地将宇宙方差抵消机制纳入三谱与四谱中，使得联合分析比单一统计量更有效。
• 高阶晕统计量（三谱与四谱）仅在随机噪声较低时才与功率谱具有可比性，即在高晕数密度与大 $k_{\rm max}$ 条件下。
• 本文推导出包含非高斯项（来自泊松噪声）的晕三谱中星系噪声贡献的显式表达式，并与标准结果验证一致。