Sunayama2024OpticalClusterCosmology
Brief
#
Intro
#
- cluster cosmology 的一个主要挑战是 projection effect
- optical 方法有一个优势是可以进行 self-calibration，也就是对 WL 和 richness 的关系以及宇宙学参数进行同步的标定
- 还有一个问题是 anisotropy 增强
- 其实就是由于 filament 导致的 selection bias
- 之前的 optical method 一般相比 Planck 有偏高的 ss8 和偏低的 Om
- 之前有一篇 PS22 使用 SDSS 的 WL 进行了类似的宇宙学分析（而且考虑了 anisotropy boost），和 Planck 的偏差也是类似的情况
Data
#
- 选用了 v6.3 版本的 SDSS redMaPPer catalog（应该就是 R16 catalog），并且施加了 20-200 的 richness cut 以及 0.1-0.33 的红移 cut
- 红移 cut 是为了保证 volume limited
- HSC Y3 的 shear data 是在 i-band 测量的
- 进行了 re-Gaussianization 和 multiplicative bias 的处理
- 面积只有 433.5 deg2，所以这里关系的标定其实是仅仅针对其中的一部分
- 测光红移用到了 dNNz 的机器学习方法
- HSC 面积比较小，所以只能用 mock catalog 估计 WL 误差
Method
#
- 观测方面
- abundance 计算考虑了 selection effect，但是其实 cluster catalog 是相当完备的
- 计算了 projected correlation function，对应角空间的 clustering
- 这里对 WL 数据进行了多方面的系统误差校正，确认数据质量是没有问题的
- WL 数据的误差来源不再是测量噪声，而是 cosmic variance（因为 HSC 的面积较小）
- 理论预测
- 使用 dark emulator 进行 HMF、相关函数的预测，进一步的数学处理之后可以得到丰度、clustering、WL 的预测
- anisotropy boost 使用一个经验性的因子来估计，对于 WL 是平方倍，而对于相关函数是一次方倍
- 其余误差还包括测光红移误差、mis-centering 误差
- 模型包括了来自 MOR、boost factor、mis-centering 的自由参数，最终会被 marginalize
Mock test
#
- 最开始照搬了使用 SDSS WL 的流程，发现存在问题，主要原因是误差来源不同
- 最终通过将 boost factor 参数改为不随 richness 变化来解决，mock 的结果可以恢复出真实的宇宙学参数
- AGN 会导致小尺度（主要是 cluster 中心区域）的 WL 信号降低，解决的办法是不使用所有 $0.5h^{-1}\ \text{Mpc}$ 的 WL 数据
Results
#
- 进行一致性检验发现不会影响结果：fig9 展示了全部可能的改变带来的宇宙学参数约束变化
- fig12/13 展示了 Om-S8 plane 上的约束结果，和 Planck 以及 DES Y3 非常一致
- fig14 是和其他 cluster cosmology 的对比
Thoughts
#