Robertson2023WhyWeakLensing

Brief #

  • SIDM/CDM 的区别在于 500kpc 以内的区域,而 WL q 敏感的主要是外部区域
    • 另外 2D/3D 也会造成大概 50% 的显著度损失
  • 可能 strong lensing 会提供更好的区分

Intro #

  • SIDM 假设 DM particle 之间存在引力作用之外的其他作用,相比 CDM 的区别在于
    • 通过热运动实现能量从外到内的疏运,从而缓解/解决 core-cusp 问题(也就是更贴近实际观测的 core profile)
    • 碰撞导致 DM particle 轨道趋于各向同性,椭率更小
  • DM halo 的椭率可以给出对 SIDM 截面的限制
  • this work 的主题是在 simulation 中分析 CDM/SIDM 产生的 cluster 级别的 DM halo 的形状是否有 weak lensing 可见的差异

Data #

  • 模拟 project 是 BAHAMAS-SIDM,在相同的初始条件和星系物理下运行了 CDM 和 1cm2/g 的 SIDM model
    • 基于 BAHAMAS simulation 进行扩展得到,这是一个 hydro simulation
  • 宇宙学是 WMAP9
  • 在 simulation z=0.375 snapshot 中(通过 FoF)选取 100 richest cluster
    • M200 范围大约是 1e14.3-1e15.3

3D Shape #

  • 根据 DM particle 定义 shape 的方式是 inertia tensor
    • 标准的 inertia tensor 针对全部粒子的 inertia tensor,这里乘了一个 $1/r$ 的因子称作 reduced inertia tensor
  • SIDM 中 DM halo roundness(用 c/a 定义)比 CDM 中更大(fig1),但是差异随着半径增加而减小,在大约 2Mpc 处消失
    • 对于 star/gas 来说差异不显著
  • Divergence of KL 可以作为区分两个不同分布的指标
    • 在 200kpc 处 DM 形状差异足够显著,而在 2Mpc 处基本完全消失
    • star 和 DM 联合推断的 DKL 更高,是因为二者之间存在相关性(fig2)

2D Shape #

  • 2D projection 的作用包括
    • 混合三个维度的信息,导致二维形状看起来更圆(比较 2D/3D 似乎不太合适?)
    • radial mixing effect: 在 2D 较小半径处看到的信号可能是 3D 多个半径处的叠加
  • as expected 所有组分的椭率/圆率以及 CDM/SIDM 之间的差异都变小了(fig3/4)
    • 从 DKL 来看有大约一半的下降
    • 通过独立的实验证明投影效应是主要的,而 radial mixing effect 是次要的

Weak lensing #

  • 对 WL 进行 mock 的方式是计算 2D density map,然后根据 critical density(lense 和 source 红移分别是 0.375 和 2)计算 convergence map 并且在 Fourier space 中转换为 shear map
    • shape noise 大小依赖于假设的 source 数密度
  • 用包含 axis ratio 的 eNFW model 进行拟合,限制 axis ratio 的精度大约是 0.05
    • fig5 是拟合的一个例子
    • fig6 说明 CDM/SIDM 分布几乎重合(DKL 和 0 没有显著区别)
  • 对 WL axis ratio 和不同半径上的 2D 椭率计算 pearson 相关系数
    • 在外部区域更明显:在 1.5Mpc 处达到峰值,这个半径和 virial radius 比较近似
    • 所以 WL axis ratio 和 SIDM/CDM 敏感的尺度是错开的
  • 在 NFW model 的基础上允许内部和外部具有不同的椭率,拟合结果是 q_out 能够很好约束,但是对 q_in 约束能力很差

Thoughts #

  • 是不是应该给 WL 也加一个随距离衰减的 factor?
    • q_in 和 q_out 的实验涵盖了这个因素(?)

Supplement #

  • KL 散度描述的是「用 Q 描述真实分布 P 的时候损失了多少信息」,对于 Q/P 是不对称的
    • 基于 PDF 计算,需要分布的解析形式
    • 对于局部概率比值非常敏感