[论文解读] Statistical strong lensing. I. Constraints on the inner structure of galaxies from samples of a thousand lenses

Alessandro Sonnenfeld, Marius Cautun|arXiv (Cornell University)|Feb 17, 2021

Galaxies: Formation, Evolution, Phenomena参考文献 7被引用 4

一句话总结

本研究开发了一种贝叶斯分层模型，利用1,000个强引力透镜的模拟样本，推断星系的平均内部质量结构。通过结合图像位置、放大率数据和恒星质量估计，该方法实现了对恒星质量-光度比、暗物质归一化参数和内部暗物质密度剖面斜率的高精度与高准确性约束，从而实现了恒星质量测量的校准，并为星系尺度暗物质晕中的尖点-核心争议提供了稳健检验。

ABSTRACT

Context: The number of known strong gravitational lenses is expected to grow substantially in the next few years. The statistical combination of large samples of lenses has the potential of providing strong constraints on the inner structure of galaxies. Aims: We investigate to what extent we can calibrate stellar mass measurements and constrain the average dark matter density profile of galaxies by statistically combining strong lensing data from thousands of lenses. Methods: We generate mock samples of axisymmetric lenses. We assume that, for each lens, we have measurements of two image positions of a strongly lensed background source, as well as magnification information from full surface brightness modelling, and a stellar population synthesis-based estimate of the lens stellar mass. We then fit models describing the distribution of the stellar population synthesis mismatch parameter $α_{sps}$ (the ratio between the true stellar mass and the stellar population synthesis-based estimate) and dark matter density profile of the population of lenses to an ensemble of 1000 mock lenses. Results: The average $α_{sps}$, projected dark matter mass and dark matter density slope can be obtained with great precision and accuracy, compared with current constraints. A flexible model and the knowledge of the lens detection efficiency as a function of image configuration are required in order to avoid a biased inference. Conclusions: Statistical strong lensing inferences from upcoming surveys have the potential to calibrate stellar mass measurements and to constrain the inner dark matter density profile of massive galaxies.

研究动机与目标

• 开发一种统计推断框架，利用大规模强透镜样本约束星系的内部质量结构。
• 评估从1,000个透镜样本中对恒星质量-光度比、暗物质归一化参数和暗物质密度剖面斜率的约束在精度与准确性方面的表现。
• 识别模型需求（如参数相关性与检测效率建模），以防止群体水平推断中的偏差。
• 评估数据类型（如图像位置与爱因斯坦半径）对推断精度与准确度的影响。
• 通过后验预测检查验证模型，并展示其在模型误设情况下的鲁棒性。

提出的方法

• 该方法使用贝叶斯分层模型，从1,000个轴对称强透镜的模拟样本中推断群体水平参数，该样本已知图像位置、放大率和恒星质量估计。
• 将恒星群体合成不匹配参数 $\alpha_{\mathrm{sps}}$ 和暗物质晕参数建模为从群体分布中抽取的随机变量。
• 模型将透镜检测效率作为图像构型的函数进行建模，这对于避免偏差推断至关重要。
• 利用图像位置和放大率数据约束透镜质量模型，完整表面亮度建模用于确定似然函数。
• 该方法允许灵活建模暗物质晕参数与透镜星系属性（如恒星质量和半光半径）之间的相关性。
• 采用后验预测检查评估模型拟合优度，并确保对模型误设的鲁棒性。

实验结果

研究问题

• RQ1 1,000个强透镜样本能否对平均恒星质量-光度比、暗物质归一化参数和内部暗物质密度剖面斜率实现高精度与高准确度的约束？
• RQ2 当真实透镜群体偏离假设模型时，为避免群体水平推断中的偏差，所需模型复杂度为何？
• RQ3 使用图像位置与使用爱因斯坦半径测量之间的选择如何影响推断的准确度与精度？
• RQ4 源红移分布在多大程度上能改善对暗物质晕结构的约束？
• RQ5 后验预测检查能否可靠检测出分层强透镜推断中模型的不足？

主要发现

• 1,000个透镜的样本可对恒星群体合成不匹配参数 $\alpha_{\mathrm{sps}}$、暗物质归一化参数和内部暗物质密度剖面斜率实现高精度与高准确度的约束，其精度超过当前观测约束。
• 准确推断要求对暗物质晕参数与动态相关透镜属性（如恒星质量与半光半径）之间的相关性进行建模。
• 仅使用图像位置会导致恒星质量-光度比与暗物质剖面之间出现强烈退化，即使在1,000个透镜的情况下也限制了精度。
• 拟合爱因斯坦半径而非图像位置虽能保持准确性，但降低了精度，因此在实现紧密约束方面效果较差。
• 必须将透镜检测效率作为图像构型函数的知识纳入似然模型，以避免偏差推断，这一点至关重要。
• 后验预测检查是验证模型充分性并确保分层贝叶斯推断鲁棒性的宝贵工具。