Broxterman2025FLAMINGOProjectCosmology
- 在 ADS 上面 score 非常高，在 “galaxy cluster"中排第二
- 主题是直接从 WL map 中寻找 peak（也就是 WL-selected cluster），这里用 FLAMINGO 模拟 Euclid 的观测结果
- SNR>5 的 WL peak 对应于 1e14 以上质量的 halo，purity/completeness 的表现 comparable to X-ray 和 SZ
- 这里的 map 是 convergence map，用符号 $\kappa$ 表示
- gemini https://aistudio.google.com/prompts/1SxTyOXESJQ19ow1RnoV8ekJZKD3p4zyM
Brief #
- 这里用 FLAMINGO 模拟了观测 WL convergence map 并且进行 halo abundance 分析的过程
- SNR>5 大约对于超过 1e14 mass 的 halo
- 在模拟中可以将 convergence peak 分解为不同红移 shell 的贡献，所以可以确定红移以及 peak 是否对应于单一 object
- 通过 peak 的红移分布可以打破重子效应和宇宙学的简并性，因为红移分布对重子效应不敏感
- Euclid 同时进行 WL 和光学/近红外的观测，可以同时提供 convergence 和红移的测量
- optical method 提供的红移测量是非常重要的
Intro #
- LCDM -> S8 tension -> cluster cosmology
- WL 之外的其他 cluster finder 的缺点包括
- proxy 和实际 mass 之间存在 intrinsic scatter，引入不确定性
- 存在选择效应
- WL 是 matter 质量的直接体现，而且不依赖于 cluster 动力学状态
- 一个重要的发现（by Broxterman et al. 2024）是 WL 对宇宙学和重子过程的依赖简并
- 重子物理主要指的是 AGN 将中心的物质喷发到外层，降低物质的聚集程度
- 这里的想法是用红移信息打破简并，因为 WL peak 的红移分布应该对重子效应不敏感
Citations #
- 这里引用的 S8 tension 文章可以一看
- Hamana, Takada & Yoshida (2004) 介绍了 WL peak 的物理机制
- FLAMINGO suite 是 2023 提出的
- 这里用于 X-ray 和 SZ 的比较分别是 eROSITA 和 ACT
Theory #
- magnification matrix 的形式是
$$
A_{ij} = \frac{\partial (\delta \theta_i)}{\delta \theta_j} \approx
\begin{pmatrix}
1 - \kappa - \gamma_1 & -\gamma_2 \\
-\gamma_2 & 1 - \kappa + \gamma_1
\end{pmatrix}
$$
- WL 对星系的形状改变可以分为 convergence $\kappa$ 和 shear $\gamma=\gamma_1+i\gamma_2$
- 前者对应于 magnification matrix 的 trace，后者是 traceless 的
- 正的 convergence 对应于放大
- 两个 shear 分别对应 xy 方向和对角线方向
- 通过一些假设和近似可以建立 convergence 和密度分布的关系
$$
\kappa(\theta, \chi) = \frac{3\Omega_{\mathrm{m}} H_0^2}{2c^2} \int_0^{\chi_{\mathrm{hor}}} \mathrm{d}\chi\, [1 + z(\chi)]\, W(\chi)\, \delta(\chi, \theta),
$$
- For a given source galaxy redshift distribution，$W(\chi)$ 代表的 lensing kernel 在源和观测者中间达到峰值
- 对于光线偏折的追踪有 Born 近似和更复杂的 ray-tracing 两种方法
Method #
- FLAMINGO 使用了 SWIFT 作为 SPH 代码，并且包含了很多重子过程，比如辐射冷却和加热、恒星形成和质量损失、SNe/AGN feedback
- AGN 的部分包括 thermal 和 jet-like kinetic 两种
- 重子过程的参数经过了本地 cluster gas fraction 以及本地的 SMF 的校准
- 在此基础上生成了不同重子物理、不同宇宙学（甚至包括 decaying CDM）、不同分辨率和 box size 的 variation
- FLAMINGO 的 light cone 分为很多球壳，厚度是 $\Delta z=0.05$，延伸到 z=3
- 每一个壳层上都可以计算出一个 surface overdensity
- 之后假设一个 source galaxy 的红移分布（这里假设一个和 Euclid 比较相近的分布），可以将这些 surface 按照一定的权重加起来得到 convergence map，并且其中每一个 shell 的贡献都是可追溯的
- 最终 map 的角功率谱和 CLASS+HALOFIT 理论模型非常一致（fig1）
- 对模拟中的 convergence map 进行 1 arcmin 的 smoothing 以模拟 PSF 和压制小尺度噪声，并且加入模拟的 shape noise
- peak 的定义是 8 个直接相邻的像素点（和 SEx 类似）
- 由于 shell contribution 的可追溯性，可以找到对每一个 peak 贡献最大的红移 shell，这个红移可以定为 peak 所在的红移
- 根据 peak 信号的来源，可以将 peak 分为噪声贡献大于 50% 的 noise peak、single shell 贡献超过 50% 的 single shell peak 以及 multiple shell peak
- single peak 是最纯净的信号来源，可以用于宇宙学的分析，这里仅保留 single shell peak
- fig2 展示了这些 peak 的分布，SNR>10 之后大部分 peak 都是 single shell，SNR=5 对应的 purity 大约是 76%
- 之后将 peak 和 halo 根据距离进行匹配，fig3 展示了一个区域的匹配的效果
Results #
- 这些 SNR>5 的 peak 大致对应于质量超过 1e14 的 halo（fig4，好像并不是足够 informative）
- 对于 14.5-15 质量的 halo，WL 方法在 z<0.5 的完备性在 93% 左右（但是 14-14.5 的 completeness 就进入了 50% 上下的区间）
- completeness 和 eROSITA 相当，在 0.6 以下优于 SZ
- 较高的 completeness 和 purity 主要在低红移和大质量条件下达到
- 红移分布在 0.2-0.4 达到峰值，部分由于 Euclid 的 lensing efficiency 的分布
- 对重子效应和宇宙学的区分
- 重子效应不改变 peak 的红移分布，只是系统性地降低所有 peak 的幅度（或者说使得所有 halo 的 WL SNR 降低）
- 宇宙学同时改变 peak 红移分布和 peak 的数量，结构增长较慢的宇宙中大质量 halo 更少
- 对于 Euclid 这样的 survey，可以同时得到 WL 测量和红外的多波段图像信息，这样就可以根据红移分布打破重子效应和宇宙学的简并
- WL 还可以拓展出其他的观测量，比如 peak 之间的 correlation 以及 peak profile
Thoughts #
- 似乎现在 Euclid 就是最有前景进行 WL-finder 的仪器？
- 之前用 WL stacking 做计算好像都用的是 shear 信息
- WL selected 的结果仍然是质量下限比较低的，1e14 的下限大致距离 HSC 差半个量级
- fig3 很美观，尤其是左边的 convergence map
- 红移信息的意义应该超出这里打破简并性的范畴，仅仅依靠很多红移未知的 halo 无法作出宇宙学的推断吧？
- 所以光学方法的优势是 optical band 得到最准确的红移以及 WL 得到最准确的质量估计
- WL 的红移限制来源于 source galaxy 的红移极限
Supplement #
- 观测上识别 convergence 的方法也是通过 shear，因为 shear 和 convergence 都源自同一个引力势，可以通过 Kaiser-Squires Inversion 从 shear 的分布推知 convergence map
- 一个简并性是只能观测到 convergence 的起伏，因为 $\kappa’=\lambda \kappa+(1-\lambda)$ 的变换下 shear 可以保持不变