Cosmological measurements and models of galaxy clustering and redshift-space distortions from galaxy redshift surveys
Year: 2017
Type: dissertation
Abstract: L'analisi congiunta di supernove Ia e delle anisotropie caratterizzanti la radiazione cosmica di fondo hanno evidenziato come l'Universo sia dominato da un'energia oscura capace di produrre l'espansione accelerata dello stesso. Questo scenario è degenere con la ben più radicale ipotesi che la Relatività Generale non sia più valida su scale cosmologiche; infatti, per una precisa scelta dei parametri, le teorie di gravità modificata sono in grado di predire la stessa espansione H(z) di un LCDM (energia oscura + GR) Questa degenerazione può essere rimossa misurando il tasso di crescita delle strutture, $f(z)$. Uno dei metodi migliori per misurare questo tasso è quello delle distorsioni nello spazio dei redshift (RSD). Quest'ultime compaiono quando i redshift misurati sono usati come indicatori di distanza, dato che essi contengono anche il contributo dato dalle velocità peculiari delle galassie, che è massimale lungo la linea di vista e dunque introduce delle anisotropie nel clustering misurato. Queste distorsioni nella, e.g, funzione di correlazione a due punti sono proporzionali al tasso di crescita. Nel dettaglio, se la Relatività Generale è valida anche su scale cosmologiche, allora ci si aspetta $f(z)\sim\Omega_m(z)]^{0.55}$; in caso contrario sono attese forme funzionali differenti. Purtroppo ottenere informazioni dalle survey di galassie non è semplice, in quanto la maggiorparte del segnale distorto è racchiuso all'interno di scale non lineari. Questo rende la modellizzazione del clustering non lineare uno dei punti cruciali della cosmologia moderna. Lo scopo finale del mio lavoro è stato la misura del tasso di crescita utilizzando i dati finali raccolti dalla survey VIPERS. Questa ha raccolto circa 100000 redshift all'interno di un lunghissimo intervallo di distanze, $0.4<z<1.2$, mostrando come le galassie si ammassino a causa della gravità fino ad un'epoca in cui l'Universo aveva la metà della sua età attuale. Ai fini di questo scopo, ho implementato e migliorato specifiche tecniche di correzione e modelli di RSD. Per prima cosa, ho sviluppato delle nuove correzioni per la funzione di selezione angolare di VIPERS, permettendo il recupero della funzione di correlazione con una accuratezza dell'1% fino a scale di 1 Mpc. Di seguito ho misurato i primi due multipoli pari della funzioni dei correlazione dei dati di VIPERS, in due diversi intervalli di redshift, 0.5<z<0.7$ e $0.7<z<1.2$. Successivamente ho implementato e testato nel dettaglio gli effeti di diversi modelli non lineari di RSD utilizzando un insieme di cataloghi simulati, riproducenti tutte le caratteristiche del campione originale. Questo ha incluso la generazione di nuove fitting functions per gli spettri di velocità, $P_{\delta\theta}$ e $P_{\theta\theta}$, che appaiono nei modelli di RSD. Questi test provano che siamo in grado di misurare il tasso di crescita con un errore trascurabile fino a scale di $5\,h^{-1}$ Mpc. Sorprendentemente l'applicazione di questi test ai dati reali ha mostrato una minor sensibilità dei dati ai diversi modelli proposti in questo lavoro. Ho ottenuto delle misure per il tasso di crescita di $f\sigma_8=0.55\pm0.12$ e $0.40\pm0.11$ a redshift efficaci di $z=0.60$ e $z=0.86$ rispettivamente. Queste misure sono in accordo con le predizioni date dall Relatività Generale in un LCDM; tuttavia esse non escludono modelli a gravità modificata. Questo risultato è descritto in Pezzotta et al. (2016, arXiv:1612.05645), un articolo attualmente sottomesso a A&A come parte dell'analisi dati finale di VIPERS. Un secondo articolo che descrive come migliorare la modellizzazione delle RSD è in preparazione (Bel, Pezzotta et al. 2017), mentre ho partecipato all'analisi di due altri articoli di VIPERS (arXiv:1612.05647 e arXiv:1611.07044).
Author: A. Pezzotta
Language: English
Subfield: Astronomy and Astrophysics
Field: Physics and Astronomy
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2955256583