Évaluation des modèles HOD dans la recherche sur l'énergie noire
Cette étude évalue comment les hypothèses sur la distribution des galaxies affectent les mesures BAO en utilisant les données de DESI.
― 5 min lire
Table des matières
- Objectif de l'étude
- Qu'est-ce que les oscillations acoustiques baryoniques (BAO) ?
- L'importance des systématiques
- Distribution des occupations de halo (HOD)
- Données et méthodes
- Espace de configuration et espace de Fourier
- Le rôle des variétés de contrôle
- Résultats de l'analyse
- Conclusion
- Directions futures
- Importance des résultats
- Remerciements
- Disponibilité des données
- Source originale
- Liens de référence
L'instrument de spectroscopie de l'énergie noire (DESI) est un projet qui vise à comprendre l'énergie noire et comment elle affecte l'expansion de l'Univers. DESI va mesurer des millions de décalages vers le rouge de galaxies sur une grande zone du ciel, fournissant des données importantes pour étudier la structure cosmique et le comportement de l'énergie noire.
Objectif de l'étude
Cette étude se concentre sur la compréhension de la façon dont certaines hypothèses concernant la distribution des galaxies dans des halos de matière noire peuvent affecter les mesures obtenues par DESI, en particulier en ce qui concerne les oscillations acoustiques baryoniques (BAO). Les BAO sont des motifs réguliers dans la distribution des galaxies qui peuvent aider les scientifiques à en apprendre davantage sur l'expansion de l'Univers.
Qu'est-ce que les oscillations acoustiques baryoniques (BAO) ?
Les oscillations acoustiques baryoniques sont des ondes de pression qui ont voyagé à travers le plasma chaud de l early Univers. Lorsque l'Univers a refroidi, ces ondes ont laissé une signature distinctive dans la distribution des galaxies. En mesurant l'échelle BAO, les scientifiques peuvent déduire des détails sur l'histoire d'expansion de l'Univers et obtenir des aperçus sur l'énergie noire.
L'importance des systématiques
Quand les chercheurs effectuent des analyses comme ça, ils doivent prendre en compte divers facteurs qui peuvent introduire des erreurs dans leurs mesures. Ces erreurs, connues sous le nom d'Incertitudes Systématiques, peuvent affecter la précision des résultats. Cette étude vise à évaluer comment le modèle de distribution des occupations de halo (HOD), qui décrit comment les galaxies peuplent les halos de matière noire, influence les mesures BAO.
Distribution des occupations de halo (HOD)
Le HOD est un modèle utilisé pour relier le nombre de galaxies dans un halo aux propriétés de ce halo. En termes plus simples, ça aide les scientifiques à comprendre comment les galaxies sont distribuées au sein des régions de matière noire. L'étude examine différents modèles HOD pour voir comment ils affectent les mesures BAO.
Données et méthodes
L'analyse utilise des données du sondage One-Percent DESI, qui fournit un aperçu des propriétés des galaxies. En simulant différents modèles HOD en utilisant ces données, les chercheurs peuvent comparer comment diverses hypothèses impactent les paramètres BAO. L'analyse est réalisée selon deux méthodes principales : dans l'espace de configuration et dans l'espace de Fourier.
Espace de configuration et espace de Fourier
Dans l'espace de configuration, les chercheurs examinent la fonction de corrélation des galaxies, qui indique à quel point il est probable de trouver des paires de galaxies à différentes distances. Dans l'espace de Fourier, des mesures sont effectuées en fonction du spectre de puissance, qui capte comment la densité des galaxies varie selon les échelles. Les deux méthodes permettent un examen approfondi du signal BAO.
Le rôle des variétés de contrôle
Les variétés de contrôle sont des techniques utilisées pour réduire le bruit dans les mesures statistiques. En combinant les résultats de différents modèles et données, les chercheurs peuvent obtenir une meilleure précision dans les estimations BAO. Cette étude applique des variétés de contrôle pour améliorer la qualité des résultats.
Résultats de l'analyse
L'analyse révèle que différents modèles HOD donnent des mesures BAO similaires, avec des erreurs systématiques relativement petites. Les résultats suggèrent que l'influence du modèle HOD sur les paramètres BAO est négligeable, surtout comparé à la précision statistique des mesures.
Conclusion
L'étude conclut que la méthodologie utilisée est robuste contre les variations dans le modèle HOD pour le traceur ELG dans l'analyse BAO 2024 de DESI. Les erreurs systématiques dépendant du HOD sont suffisamment petites, indiquant que DESI est bien positionné pour fournir des mesures précises de l'échelle BAO et contribuer significativement à notre compréhension de l'énergie noire.
Directions futures
Alors que DESI continue ses observations, les analyses futures affineront les résultats actuels. Les chercheurs continueront à produire de nouveaux modèles et à explorer les implications de leurs découvertes sur la compréhension globale de l'Univers. Ce travail en cours est essentiel pour comprendre la nature complexe de l'énergie noire et son rôle dans l'évolution cosmique.
Importance des résultats
Comprendre les effets systématiques dans les mesures cosmologiques est crucial pour l'avancement de l'astronomie. Les aperçus de cette analyse vont non seulement soutenir la mission DESI, mais aussi informer les futures stratégies d'observation et modèles théoriques en cosmologie.
Remerciements
La réussite de la recherche dans le domaine de la cosmologie repose souvent sur la collaboration entre scientifiques, institutions et agences de financement. Leurs efforts combinés contribuent de manière significative à l'avancement des connaissances sur l'Univers.
Disponibilité des données
Les données utilisées dans cette analyse seront disponibles dans le cadre de la publication des données 1 de DESI. Cette accessibilité garantit que d'autres chercheurs peuvent valider les résultats et explorer d'autres aspects des données.
Titre: HOD-Dependent Systematics in Emission Line Galaxies for the DESI 2024 BAO analysis
Résumé: The Dark Energy Spectroscopic Instrument (DESI) will provide precise measurements of Baryon Acoustic Oscillations (BAO) to constrain the expansion history of the Universe and set stringent constraints on dark energy. Therefore, precise control of the global error budget due to various systematic effects is required for the DESI 2024 BAO analysis. In this work, we focus on the robustness of the BAO analysis against the Halo Occupation Distribution (HOD) modeling for the Emission Line Galaxy (ELG) tracer. Based on a common dark matter simulation, our analysis relies on HOD mocks tuned to early DESI data, namely the One-Percent survey data. To build the mocks, we use several HOD models for the ELG tracer as well as extensions to the baseline HOD models. Among these extensions, we consider distinct recipes for galactic conformity and assembly bias. We perform two independent analyses in the Fourier space and in the configuration space. We recover the BAO signal from two-point measurements after performing reconstruction on our mocks. Additionally, we also apply the control variates technique to reduce sample variance noise. Our BAO analysis can recover the isotropic BAO parameter $\alpha_\text{iso}$ within 0.1\% and the Alcock Paczynski parameter $\alpha_\text{AP}$ within 0.3\%. Overall, we find that our systematic error due to the HOD dependence is below 0.17\%, with the Fourier space analysis being more robust against the HOD systematics. We conclude that our analysis pipeline is robust enough against the HOD systematics for the ELG tracer in the DESI 2024 BAO analysis.
Auteurs: C. Garcia-Quintero, J. Mena-Fernández, A. Rocher, S. Yuan, B. Hadzhiyska, O. Alves, M. Rashkovetskyi, H. Seo, N. Padmanabhan, S. Nadathur, C. Howlett, M. Ishak, L. Medina-Varela, P. McDonald, A. J. Ross, Y. Xie, X. Chen, A. Bera, J. Aguilar, S. Ahlen, U. Andrade, S. BenZvi, D. Brooks, E. Burtin, S. Chen, T. Claybaugh, S. Cole, A. de la Macorra, A. de Mattia, A. Dey, B. Dey, Z. Ding, P. Doel, K. Fanning, J. E. Forero-Romero, E. Gaztañaga, H. Gil-Marín, S. Gontcho A Gontcho, G. Gutierrez, J. Guy, C. Hahn, K. Honscheid, A. Kremin, M. Landriau, L. Le Guillou, M. E. Levi, M. Manera, P. Martini, A. Meisner, R. Miquel, J. Moustakas, E. Mueller, A. Muñoz-Gutiérrez, A. D. Myers, J. A. Newman, J. Nie, G. Niz, E. Paillas, N. Palanque-Delabrouille, W. J. Percival, C. Poppett, A. Pérez-Fernández, A. Rosado-Marin, G. Rossi, R. Ruggeri, E. Sanchez, D. Schlegel, M. Schubnell, D. Sprayberry, G. Tarlé, M. Vargas-Magaña, B. A. Weaver, J. Yu, H. Zhang, R. Zhou, H. Zou
Dernière mise à jour: 2024-04-12 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2404.03009
Source PDF: https://arxiv.org/pdf/2404.03009
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://data.desi.lbl.gov/doc/releases/
- https://doi.org/10.5281/zenodo.10905805
- https://www.desi.lbl.gov/collaborating-institutions
- https://github.com/cosmodesi/pycorr
- https://github.com/cosmodesi/pyrecon
- https://github.com/martinjameswhite/recon_code
- https://github.com/cosmodesi/pypower
- https://github.com/Samreay/Barry
- https://github.com/cosmodesi/desilike
- https://github.com/cosmodesi/thecov
- https://github.com/oliverphilcox/RascalC