Études de Quasar : Résoudre les erreurs de décalage vers le rouge avec DESI
Cet article explore comment DESI s'attaque aux erreurs de décalage vers le rouge dans les mesures de quasars.
― 10 min lire
Table des matières
- Collecte de données et études sur les quasars
- Le défi des mesures de décalage vers le rouge
- L'importance de la corrélation croisée quasar-forêt
- Construction de l'échantillon de quasars et de forêt
- Méthodologie pour mesurer la corrélation croisée
- Résultats et conclusions
- Traitement des biais de décalage vers le rouge
- Conclusions
- Source originale
- Liens de référence
L'instrument de spectroscopie d'énergie noire (DESI) est un projet majeur conçu pour étudier les Quasars sur une période de cinq ans. À la fin de son enquête, DESI aura collecté des données sur des millions de spectres de quasars. C'est un travail important parce que les quasars sont des objets incroyablement brillants dans l'univers, et comprendre leur lumière aide les scientifiques à en apprendre plus sur la structure de l'univers et comment elle change au fil du temps.
Un des défis dans l'étude de ces quasars, c'est que les erreurs de décalage vers le rouge peuvent affecter les mesures prises à partir de leur lumière. Le décalage vers le rouge est le terme utilisé pour décrire comment la lumière s'étire en se déplaçant dans l'espace. Si les scientifiques se trompent dans le calcul du décalage vers le rouge d'un quasar, cela peut changer la forme des fonctions de corrélation utilisées en cosmologie, ce qui peut mener à des conclusions incorrectes sur l'univers dans son ensemble.
Cet article discute de la manière dont les erreurs systématiques dans les mesures de décalage vers le rouge peuvent affecter la relation, ou corrélation, entre les quasars et la forêt de lumière créée par le gaz hydrogène qui absorbe une partie de la lumière des quasars. Comprendre cette relation est clé pour tirer des conclusions cosmiques précises.
Collecte de données et études sur les quasars
DESI a commencé son enquête principale en mai 2021 après avoir mené une phase préalable pour valider ses techniques de collecte de données entre décembre 2020 et mai 2021. La première publication de données (EDR) de cette période inclut environ 1,7 million d'objets spectraux uniques, dont environ 90 000 sont des quasars. Au cours des cinq prochaines années, DESI vise à recueillir environ 40 millions de spectres d'objets différents dans l'univers, dont environ 3 millions de quasars.
Les quasars sont importants parce qu'ils nous permettent d'accéder aux confins les plus éloignés de l'univers, offrant des aperçus uniques sur la structure à grande échelle du cosmos. Ils sont aussi utilisés pour étudier comment l'univers s'expanse grâce à une technique appelée Oscillations acoustiques des baryons (BAO). Cette méthode utilise le concept de règle standard qui aide les scientifiques à mesurer des paramètres essentiels sur l'univers.
Pour étudier la distribution à grande échelle de la matière, DESI utilise à la fois les positions des quasars et la forêt de lumière dans leurs spectres. La forêt se forme lorsque la lumière d'un quasar lointain passe à travers et est absorbée par le gaz hydrogène dans l'espace entre les galaxies. Cette absorption se produit à des longueurs d'onde spécifiques, créant une "forêt" de lignes d'absorption dans le spectre.
Le défi des mesures de décalage vers le rouge
Pour que les mesures dans le projet DESI soient précises, les décalages vers le rouge attribués à chaque quasar doivent être exacts. Alors que les mesures de décalage vers le rouge pour de nombreuses galaxies sont précises grâce à des lignes d'émission étroites distinctes, ce n'est pas le cas pour les quasars. Les émissions des quasars peuvent être complexes et larges, rendant les mesures précises plus difficiles. Des facteurs comme les caractéristiques de lignes d'absorption larges (BAL) peuvent entraîner de plus grandes erreurs dans l'estimation du décalage vers le rouge. L'asymétrie dans les profils des lignes d'émission des quasars contribue également aux inexactitudes, surtout lorsqu'on compare les lignes d'émission à haute et basse ionisation.
Après avoir collecté des données, DESI utilise un programme appelé Redrock pour traiter les spectres et estimer les décalages vers le rouge. Redrock ajuste les données à des modèles pré-computés pour classer les objets et déterminer leurs décalages vers le rouge correspondants. Cependant, ces modèles, utilisés pour l'EDR, étaient basés sur un ensemble de données plus petit et peuvent ne pas tenir compte de la variabilité trouvée dans les spectres des quasars.
L'importance de la corrélation croisée quasar-forêt
L'étude des erreurs de décalage vers le rouge peut grandement bénéficier de l'analyse de la corrélation croisée entre les quasars et la forêt. En analysant comment la corrélation varie avec la séparation le long de la ligne de visée, les chercheurs peuvent identifier des erreurs systématiques dans les mesures de décalage vers le rouge des quasars.
Lorsque cette analyse est effectuée, s'il y a un décalage dans la corrélation croisée vers des décalages vers le rouge plus élevés, cela suggère que les décalages vers le rouge des quasars sont sous-estimés. Il a été constaté que les erreurs de décalage vers le rouge peuvent brouiller le pic BAO dans les mesures, menant à des Corrélations trompeuses. L'étude discute de la manière dont l'examen de cette corrélation croisée aide à identifier le biais dépendant du décalage vers le rouge présent dans les mesures des quasars.
Construction de l'échantillon de quasars et de forêt
L'échantillon de quasars utilisé pour cette analyse comprend des données collectées à partir de la première publication de données et des deux premiers mois de l'enquête principale. Les chercheurs se sont principalement concentrés sur les quasars avec un décalage vers le rouge supérieur à 1,88, les appelant quasars traceurs.
Pour construire un catalogue de quasars fiable, les chercheurs ont utilisé Redrock et mis en œuvre des algorithmes supplémentaires pour améliorer le processus de classification. Ils se sont assurés que seules les meilleures observations étaient incluses dans le catalogue final tout en tenant compte de divers facteurs pouvant conduire à des estimations de décalage vers le rouge inexactes.
L'échantillon de forêt est généré à partir du catalogue de quasars, capturant les profils d'absorption de lumière qui contribuent à une compréhension plus claire de l'environnement du quasar. L'utilisation de plages de longueurs d'onde spécifiques aide à éliminer la contamination potentielle des lignes d'émission, garantissant qu'un échantillon de forêt plus précis est utilisé pour l'analyse.
Méthodologie pour mesurer la corrélation croisée
Les chercheurs ont suivi une méthodologie systématique pour mesurer la corrélation croisée entre la forêt et les quasars. Cela impliquait de définir mathématiquement la corrélation croisée et de déterminer une stratégie de binning appropriée pour analyser les données.
Les séparations entre les traceurs ont été mesurées à la fois parallèlement et perpendiculairement à la ligne de visée, en se concentrant sur les petites séparations (moins de 80) pour détecter les erreurs systématiques. Pour obtenir des estimations robustes de la corrélation croisée, les chercheurs ont employé un processus pour calculer la matrice de covariance et mesurer les distorsions potentielles dans les données dues à divers facteurs systématiques.
Résultats et conclusions
En analysant la corrélation croisée, il a été trouvé que des erreurs de décalage vers le rouge étaient bien présentes. Les données ont indiqué qu'à mesure que le décalage vers le rouge augmentait, il y avait une plus grande probabilité de sous-estimer les valeurs réelles de décalage vers le rouge des quasars. Cette découverte était cohérente à travers divers échantillons de quasars et bacs de décalage vers le rouge.
L'étude a également examiné comment les lignes d'absorption larges influençaient les mesures de décalage vers le rouge. Il a été déterminé que l'inclusion de quasars BAL dans l'échantillon pouvait conduire à des résultats différents concernant les erreurs estimées de décalage vers le rouge. En analysant les mesures de décalage vers le rouge mises à jour des quasars, les chercheurs ont pu confirmer que les biais présents dans l'analyse initiale étaient atténués.
Traitement des biais de décalage vers le rouge
La recherche a mis en évidence un biais clé dépendant du décalage vers le rouge dans les mesures des quasars, suggérant qu'un modélisation appropriée de la profondeur optique dans leurs modèles spectraux pourrait améliorer la précision. De nouveaux modèles ont été développés pour corriger ce biais, permettant une meilleure estimation des décalages vers le rouge des quasars.
Alors que les chercheurs évaluaient davantage la corrélation croisée en utilisant des modèles mis à jour, ils ont observé une amélioration significative de la précision des mesures de décalage vers le rouge. Ils ont réalisé cela en affinant l'analyse pour se concentrer sur la façon dont les erreurs de décalage vers le rouge évoluaient à travers différentes plages.
En abordant les facteurs sous-jacents qui contribuent aux erreurs systématiques de décalage vers le rouge, l'étude a fourni une voie plus claire pour améliorer les analyses futures des données de quasars.
Conclusions
En résumé, l'étude des quasars et de leurs mesures de décalage vers le rouge à travers l'analyse de corrélation croisée de DESI a des implications profondes pour notre compréhension de l'univers. Les erreurs systématiques de décalage vers le rouge peuvent avoir un impact significatif sur les interprétations cosmologiques, mais avec un affinement continu des techniques de mesure et des modèles, il est possible d'atténuer ces biais.
Les résultats soulignent l'importance d'utiliser des méthodes robustes pour estimer avec précision les décalages vers le rouge, en particulier en ce qui concerne la compréhension de la structure à grande échelle de l'univers. Alors que DESI progresse et collecte plus de données, les aperçus obtenus seront cruciaux pour faire avancer notre connaissance du cosmos.
Ce travail souligne le rôle critique que jouent les quasars en cosmologie et met en évidence les efforts continus nécessaires pour améliorer les techniques de mesure. Les aperçus combinés des quasars et des corrélations de forêt contribueront finalement à une compréhension plus riche de l'expansion et du développement de notre univers au fil du temps.
À travers un examen minutieux et une amélioration continue, les chercheurs peuvent s'assurer qu'ils tirent des conclusions précises des données collectées, menant à une image plus complète du cosmos. L'analyse continue des données des quasars ouvrira sans aucun doute la voie à de nouvelles découvertes et aperçus dans le domaine de l'astronomie et de la cosmologie.
Titre: Impact of Systematic Redshift Errors on the Cross-correlation of the Lyman-$\alpha$ Forest with Quasars at Small Scales Using DESI Early Data
Résumé: The Dark Energy Spectroscopic Instrument (DESI) will measure millions of quasar spectra by the end of its 5 year survey. Quasar redshift errors impact the shape of the Lyman-$\alpha$ forest correlation functions, which can affect cosmological analyses and therefore cosmological interpretations. Using data from the DESI Early Data Release and the first two months of the main survey, we measure the systematic redshift error from an offset in the cross-correlation of the Lyman-$\alpha$ forest with quasars. We find evidence for a redshift dependent bias causing redshifts to be underestimated with increasing redshift, stemming from improper modeling of the Lyman-$\alpha$ optical depth in the templates used for redshift estimation. New templates were derived for the DESI Year 1 quasar sample at $z > 1.6$ and we found the redshift dependent bias, $\Delta r_\parallel$, increased from $-1.94 \pm 0.15$ $h^{-1}$ Mpc to $-0.08 \pm 0.04$ $h^{-1}$ Mpc ($-205 \pm 15~\text{km s}^{-1}$ to $-9.0 \pm 4.0~\text{km s}^{-1}$). These new templates will be used to provide redshifts for the DESI Year 1 quasar sample.
Auteurs: Abby Bault, David Kirkby, Julien Guy, Allyson Brodzeller, J. Aguilar, S. Ahlen, S. Bailey, D. Brooks, L. Cabayol-Garcia, J. Chaves-Montero, T. Claybaugh, A. Cuceu, K. Dawson, R. de la Cruz, A. de la Macorra, A. Dey, P. Doel, S. Filbert, A. Font-Ribera, J. E. Forero-Romero, E. Gaztañaga, S. Gontcho A Gontcho, C. Gordon, H. K. Herrera-Alcantar, K. Honscheid, V. Iršič, N. G. Karaçaylı, R. Kehoe, T. Kisner, A. Kremin, A. Lambert, M. Landriau, L. Le Guillou, M. E. Levi, M. Manera, P. Martini, A. Meisner, R. Miquel, P. Montero-Camacho, J. Moustakas, A. Muñoz-Gutiérrez, J. Nie, G. Niz, N. Palanque-Delabrouille, W. J. Percival, C. Poppett, F. Prada, I. Pérez-Ràfols, C. Ramírez-Pérez, C. Ravoux, M. Rezaie, G. Rossi, E. Sanchez, E. F. Schlafly, D. Schlegel, M. Schubnell, J. Silber, T. Tan, G. Tarlé, M. Walther, B. A. Weaver, Z. Zhou
Dernière mise à jour: 2024-04-12 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2402.18009
Source PDF: https://arxiv.org/pdf/2402.18009
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://github.com/igmhub/picca/
- https://github.com/andreicuceu/vega
- https://github.com/desihub/redrock/releases/tag/0.17.9
- https://github.com/desihub/redrock-templates/releases/tag/0.8.1
- https://doi.org/10.5281/zenodo.10515085
- https://www.desi.lbl.gov/collaborating-institutions
- https://data.desi.lbl.gov/public/edr/