Unificando evolução de galáxias e cosmologia com os grandes levantamentos astrofísicos

Resumo

Grandes levantamentos de galáxias tais como BOSS, eBOSS e os futuros DESI, J-PAS, Euclid e LSST, vão coletar dados de milhões, e eventualmente bilhões, de galáxias até um redshift de z = 2 e mesmo acima disso, com o objetivo principal de compreender a natureza da energia escura que tem acelerado a expansão do universo. Essas amostras de galáxias têm um potencial científico tremendo, não apenas no campo da cosmologia, mas também como ferramenta para estudar os processos físicos envolvidos na formação e evolução tanto das galáxias quanto das estruturas em grandes escalas do universo onde habitam essas galáxias. Entretanto, a quantidade de dados desses levantamentos, apesar de uma estatística sem precedentes e vastos volumes, muitas vezes vem ao custo de uma menor qualidade de dados sobre objetos individuais (p. ex., espectros com baixo sinal/ruído, ou erros fotométricos e de redshift), o que motiva o desenvolvimento de ferramentas inovadoras de análise de dados. Este projeto tem como origem a necessidade de otimizar a ciência que podemos extrair com a quantidade de informação derivada desses grandes levantamentos, e no modo como a metodologia estatística que devemos empregar deve refletir o design desses experimentos. O candidato recentemente determinou as propriedades estatísticas (p. ex., a função de luminosidade - luminosity function, LF) da população de galáxias vermelhas massivas (um dos principais traçadores das estruturas em grandes escalas utilizados por levantamentos interessados em energia escura) em z < 0.55 do levantamento BOSS, empregando técnicas de inferência Bayesiana do tipo forward-modeling. Neste projeto, propomos utilizar o mesmo tipo de ferramenta para estudar a evolução dessa população de galáxias desde z < 1 de um modo consistente, usando outros levantamentos, com efeitos de seleção similares àqueles que determinamos no caso do BOSS. Esses resultados serão utilizados como uma plataforma para estudos de estruturas em grandes escalas e cosmologia. Primeiro, vamos aplicar métodos de inferência Bayesiana para vincular diretamente as propriedades de halos de matéria escura utilizando lentes gravitacionais. Segundo, a caracterização das propriedades estatísticas intrínsecas da população de galáxias massivas será combinada com simulações de N-corpos para vincular a conexão halo-galáxia. E terceiro, extrairemos dos levantamentos de galáxias vínculos adicionais e complementares em termos de medidas das funções de luminsidade e das funções de correlação/espectro de potência. (AU)