Présentation de Cardinal : Un Nouveau Catalogue de Galaxies Fictives

Ces dernières années, de grandes enquêtes sur les galaxies ont cartographié des millions de galaxies en détail, aidant les scientifiques à développer des modèles pour décrire comment l'univers a évolué pendant des milliards d'années. Cependant, tirer le meilleur parti de ces données nécessite de meilleurs modèles et une gestion soigneuse des incertitudes qui peuvent survenir lors de l'analyse. C'est particulièrement important parce que certaines des informations les plus critiques se trouvent souvent à des échelles où les prévisions de nos théories actuelles peuvent être assez incertaines.

Un gros défi, c'est qu'une seule enquête peut être analysée de plusieurs manières, et chacune peut rencontrer des erreurs similaires. Donc, pour assurer des résultats précis, il faut gérer ces erreurs de manière cohérente à travers différentes méthodes d'analyse. En plus, concevoir des modèles fiables devient encore plus compliqué quand les données utilisées pour construire ces modèles manquent de signaux clairs à cause de l'information clé qu'on obscurcit pendant le processus de modélisation.

Pour aider à ça, des catalogues de galaxies synthétiques-souvent appelés catalogues moches-sont des ressources importantes pour tester et affiner diverses techniques d'analyse. Ces catalogues simulent des distributions plausibles de galaxies et aident les scientifiques à comprendre comment travailler efficacement avec de vraies données d'enquête. Pour être utiles, ces catalogues doivent répondre à certaines conditions :

1. Ils doivent être assez grands pour capturer plus de volume que les enquêtes ciblées.
2. Les galaxies à l'intérieur doivent sembler réalistes, ce qui variera selon les enquêtes et les techniques d'analyse spécifiques.
3. Ils doivent être générés rapidement pour que, quand de nouvelles méthodes ou incertitudes apparaissent durant l'analyse des données, de nouvelles versions de catalogues moches qui répondent aux exigences changeantes puissent être produites rapidement.

Au cours des 20 dernières années, des techniques ont été développées pour générer ces catalogues synthétiques. Idéalement, les scientifiques simuleraient des galaxies directement à partir de modèles décrivant comment la matière noire et la matière ordinaire interagissent. Cependant, cette approche nécessite encore beaucoup de ressources informatiques et n'est pas encore pratique pour générer des catalogues correspondant aux vastes volumes couverts par les enquêtes.

En conséquence, plusieurs méthodes alternatives ont été développées pour simuler comment les galaxies se forment en fonction de différents modèles de l'univers. Parmi ces méthodes, certaines des plus populaires incluent :

• Le modèle d'occupation des halo, qui décrit comment les propriétés des galaxies sont statistiquement liées aux propriétés des plus grands halos de matière noire.
• Le modèle d'appariement de l'abondance des sous-halo, qui classe les galaxies en fonction de leurs propriétés et les connecte à des sous-halos à l'intérieur des structures de matière noire.
• Les modèles semi-analytiques, qui utilisent des méthodes analytiques pour simuler comment les galaxies se forment et évoluent dans le temps à l'intérieur des halos de matière noire.

Ces modèles ont permis de développer de nombreux catalogues synthétiques qui répondent aux exigences nécessaires pour une analyse cosmologique efficace.

Un des précurseurs notables dans ce domaine est la simulation Buzzard, qui crée des catalogues moches en utilisant une combinaison d'appariement d'abondance de sous-halo et de simulations à grande échelle. Les simulations Buzzard produisent des propriétés de galaxies réalistes et sont moins coûteuses en calcul, ce qui permet de créer de nombreuses versions des données d'enquête. Grâce à ces qualités, les simulations Buzzard sont très utiles pour tester tout le processus allant des catalogues de galaxies principaux aux conclusions tirées sur l'univers.

Cependant, bien que Buzzard et d'autres catalogues aient aidé dans diverses analyses, ils ont leurs limites. Un problème significatif est que le regroupement de galaxies à petite échelle dans Buzzard est inférieur à ce qui a été observé dans les données réelles, ce qui affecte notre étude des groupes de galaxies. Par exemple, le nombre de groupes de galaxies détectés est souvent plus bas dans les simulations que ce qu'on voit dans les enquêtes réelles. Ça peut mener à un décalage dans notre compréhension des propriétés des groupes de galaxies et compliquer nos analyses.

Pour remédier à ces lacunes, on introduit les catalogues de galaxies moches Cardinal-une nouvelle version améliorée de la simulation Buzzard. Les mocks Cardinal ont été spécifiquement conçus pour soutenir les enquêtes cosmologiques en cours et futures, comme DES, DESI et LSST. Ces nouveaux catalogues sont basés sur une simulation d'un quart de ciel qui inclut des galaxies jusqu'à une certaine profondeur et redshift.

Ce qui distingue les mocks Cardinal des versions précédentes, ce sont plusieurs améliorations. Notamment, le modèle d'appariement d'abondance des sous-halo a été mis à jour pour prendre en compte les galaxies orphelines et considérer comment la masse influence la relation entre la luminosité des galaxies et les propriétés des halos. Ce modèle amélioré peut mieux correspondre au regroupement des galaxies et à la manière dont les groupes de galaxies se corrèlent entre différents échantillons.

De plus, Cardinal propose un nouveau modèle d'attribution des couleurs qui reflète précisément différentes couleurs de galaxies et comment ces couleurs influencent le regroupement. On a créé un algorithme qui utilise des données photométriques pour affiner encore plus le modèle de couleur. En plus, on a mis au point une méthode pour améliorer les effets de lentille à petite échelle dans les simulations, ce qui aboutit à une reproduction plus précise du regroupement des galaxies.

Ces avancées signifient que les mocks Cardinal peuvent reproduire l'abondance et les propriétés des groupes de galaxies plus précisément par rapport aux données réelles. Ça fait des mocks Cardinal une ressource précieuse pour les analyses futures basées sur des enquêtes de ciel étendues. Les mocks Cardinal seront disponibles au public une fois le processus de publication terminé.

Comme on l'a vu, de grandes enquêtes sur les galaxies ont fourni une richesse d'informations au cours des deux dernières décennies. Cependant, tirer pleinement parti du potentiel de ces données nécessite des modèles théoriques sophistiqués et un traitement précis des erreurs. Atteindre ces objectifs est fondamentalement difficile puisque la plupart des informations cruciales existent à des échelles où la précision des prévisions chute considérablement.

En outre, analyser une enquête peut impliquer plusieurs sondages cosmologiques qui pourraient introduire des erreurs partagées, ce qui rend vital de gérer ces incohérences avec soin pour éviter des résultats trompeurs. La nature des analyses à l'aveugle ajoute une autre couche de complexité, où la transformation des données obscurcit des signaux cosmologiques cruciaux lors du développement de modèles.

Les catalogues synthétiques peuvent jouer un rôle significatif dans la quantification des erreurs et le raffinement des méthodes d'analyse. Ces catalogues créent des simulations de distributions plausibles de galaxies qui servent de terrains d'essai pour diverses méthodologies. Cependant, créer ces catalogues moches implique plusieurs exigences :

1. Les catalogues moches doivent être plus grands que les volumes d'enquête qu'ils visent à représenter, car cela peut aider à contrôler les incertitudes.
2. Les galaxies simulées doivent sembler réalistes, bien que le niveau de réalisme requis varie selon l'analyse spécifique en cours.
3. La génération rapide de nouveaux mocks est essentielle, surtout quand de nouvelles techniques ou incohérences sont découvertes durant l'analyse, permettant aux chercheurs de rester adaptables dans leurs efforts de modélisation.

Au fil des ans, de nombreuses techniques ont été développées pour créer ces catalogues synthétiques. Idéalement, la méthode simulerait directement des galaxies en résolvant des équations complexes régissant le comportement des interactions de matière noire et de baryons. Malheureusement, cette méthode reste trop gourmande en ressources pour une utilisation pratique lorsqu'il s'agit de créer des catalogues couvrant les vastes volumes des enquêtes observées.

Au lieu de cela, diverses approches alternatives ont émergé, utilisant des modèles simplifiés de formation et de regroupement des galaxies. Parmi les méthodes prédominantes utilisées aujourd'hui, on trouve :

• Le modèle d'occupation des halo, conçu pour relier les propriétés statistiques des galaxies aux halos de matière noire sous-jacents qui les accueillent.
• Le modèle d'appariement de l'abondance des sous-halo, qui classe les galaxies et les lie à des sous-halos selon des relations spécifiques entre leurs propriétés.
• Des modèles semi-analytiques qui exploitent des approches analytiques pour simuler la formation et la croissance des galaxies en fonction des histoires des halos de matière noire.

La combinaison de ces différentes méthodes a conduit à la création de catalogues synthétiques qui sont utiles pour les analyses cosmologiques.

Un exemple populaire de ces catalogues est la simulation Buzzard. Buzzard intègre des techniques d'appariement d'abondance de sous-halo avec de grandes simulations numériques, fournissant des représentations réalistes des propriétés des galaxies tout en minimisant les dépenses informatiques. Cela permet aux chercheurs de générer de nombreuses réalisations des données d'enquête, leur permettant d'effectuer des tests approfondis des pipelines d'analyse reliant les catalogues principaux de galaxies aux conclusions cosmologiques.

Malgré le rôle utile de Buzzard et de catalogues similaires, ils rencontrent des défis. Par exemple, dans Buzzard, le regroupement des galaxies observées à petite échelle est nettement inférieur à ce qui est vu dans les données réelles. Cela a des répercussions pour les études concernant les groupes de galaxies, entraînant une sous-représentation substantielle de telles structures dans la simulation.

Face à ces obstacles, nous présentons les catalogues de galaxies moches Cardinal comme une version améliorée des simulations Buzzard. Cardinal a été spécifiquement conçu pour assister les enquêtes cosmologiques en cours et à venir, comme DES, DESI, et LSST, et est basé sur une simulation couvrant un quart du ciel peuplé de galaxies.

Les améliorations clés de Cardinal incluent un modèle d'appariement d'abondance des sous-halo mis à jour qui intègre des galaxies orphelines et introduit de la variabilité dans la relation entre la masse et la luminosité. Ce nouveau modèle permet un meilleur ajustement du regroupement des galaxies et des corrélations croisées parmi les groupes de galaxies.

De plus, Cardinal propose un modèle d'attribution des couleurs qui décrit de manière plus précise comment les couleurs des galaxies dépendent des propriétés sous-jacentes, ce qui influence à son tour le regroupement. Notre développement d'un nouvel algorithme utilisant des données photométriques affine encore ce processus d'attribution des couleurs. En outre, nous avons mis en œuvre des techniques novatrices pour améliorer les effets de lentille à petite échelle dans la simulation.

Ces améliorations permettent aux mocks Cardinal de reproduire efficacement l'abondance et les caractéristiques des groupes de galaxies telles qu'observées dans les données réelles. En conséquence, les mocks Cardinal devraient s'avérer inestimables pour les futures analyses cosmologiques qui reposent sur des enquêtes de ciel étendues. Les mocks Cardinal seront publiquement accessibles dès la publication.

En résumé, les avancées dans Cardinal représentent un bond significatif par rapport aux modèles précédents, en faisant un outil plus fiable pour les chercheurs analysant les vastes ensembles de données générés par les enquêtes modernes sur les galaxies.