Resumen de New tecniques for an optimal cosmological exploitation of galaxy surveys
Julio Jonás Chaves Montero
El modelo cosmológico actual, que denominamos LCDM (en inglés Lambda Cold Dark Matter), y la evolución de los experimentos con los que observamos el Universo permitieron el inicio de la actual era de la cosmología de precisión. Esto es debido a que LCDM realiza predicciones detalladas del universo cercano y lejano, lo que unido al progreso en la técnica, habilitó empezar a determinar las propiedades del cosmos de forma precisa. Sin embargo, LCDM todavía cuenta con algunos problemas abiertos, como describir la naturaleza de la materia oscura o descubrir qué produce la expansión acelerada del universo. En aras de solventarlos, decenas de observatorios astronómicos e instrumentos científicos se están construyendo por todo el mundo. Ellos posibilitarán nuevos y más precisos cartografiados de galaxias que mapearán con exquisito detalle grandes volúmenes cosmológicos, lo que les permitirá reducir al mínimo las incertidumbres estadísticas. Así, los errores sistemáticos se convertirán en la principal fuente de inexactitud, donde estos emergen de interpretar incorrectamente los datos o de desconocer de forma específica el impacto de las técnicas observacionales en ellos. Por tanto, es de vital importancia modelarlos correctamente para no introducir sesgos en la información cosmológica que se pueden extraer de los cartografiados y aprovecharlos de manera óptima.
Para poder derivar parámetros cosmológicos de observaciones primero hemos de identificar cuerpos celestes que sean indicados para nuestro estudio, después trasladar la imagen bidimensional tomada por los telescopios a un mapa tridimensional, a continuación conectar las fuentes observadas con la distribución subyacente de materia en el universo y por último, analizarla para extraer información cosmológica. Cada uno de estos pasos es muy complejo requiere de diferentes técnicas, donde cada una de ellas experimenta diferentes tipos de sistemáticos. El objetivo de la presente tesis es precisamente caracterizarlos y crear nuevos algoritmos para obtener mayores réditos de los datos observacionales.
En el primer bloque estudiaré la conexión entre las galaxias y los halos de materia oscura empleando SHAM (SubHalo Abundance Matching en inglés), un modelo que los relaciona de forma biyectiva de acuerdo a alguna de sus propiedades. Examinaré su precisión, principales suposiciones y buscaré su mejor implementación analizando simulaciones cosmológicas del proyecto EAGLE. Asimismo, descubriré por primera vez en una simulación hidrodinámica que la manera en que las galaxias pueblan los halos de materia oscura no sólo depende su masa.
En el segundo bloque modelaré de forma analítica y con cientos de simulaciones cosmológicas cómo afectan pequeños errores al medir el z de las galaxias en su distribución tridimensional. Demostraré que la información cosmológica que se puede extraer del monopolo del espectro de potencias aumenta al medir el z con pequeñas inexactitudes. Esto es debido a que los modos del espectro de potencias a lo largo de la línea de visión son más ruidosos que los perpendiculares, y pequeñas inexactitudes al medir z reducen la contribución de los primeros. También probaré que esto se traduce en un cambio en la información cosmológica contenida en el monopolo.
En el tercer bloque generaré un nuevo algoritmo para detectar AGN y calcular su z en cartografiados multifiltro. Se basa en detectar de forma inequívoca líneas de emisión propias de AGN sirviéndose del espectro de baja resolución que estos cartografiados generan. Para caracterizar las propiedades del algoritmo, lo aplicaré al cartografiado ALHAMBRA, hallando 408 nuevas fuentes. Además demostraré que el código tiene para ALHAMBRA un 67% de completitud, una precisión de 0.84% en z y no cuenta con contaminación de galaxias a z > 2.
A modo de conclusión, la presente tesis contribuirá a permitir la extracción de información cosmológica del universo cercano y lejano, y así arrojar luz al enigma de la energía oscura.
