Search

We measure the projected number density profiles of galaxies and the splashback feature in clusters selected by the Sunyaev--Zeldovich (SZ) effect from the Advanced Atacama Cosmology Telescope (AdvACT) survey using galaxies observed by the Dark Energy Survey (DES). The splashback radius for the complete galaxy sample is consistent with theoretical measurements from CDM-only simulations, and is located at $2.4^{+0.3}_{-0.4}$ Mpc $h^{-1}$. We split the sample based on galaxy color and find significant differences in the profile shapes. Red galaxies and those in the green valley show a splashback-like minimum in their slope profile consistent with theoretical predictions, while the bluest galaxies show a weak feature that appears at a smaller radius. We develop a mapping of galaxies to subhalos in $N$-body simulations by splitting subhalos based on infall time onto the cluster halos. We find that the location of the steepest slope and differences in the shapes of the profiles can be mapped to differences in the average time of infall of galaxies of different colors. The minima of the slope in the galaxy profiles trace a discontinuity in the phase space of dark matter halos. By relating spatial profiles to infall time for galaxies of different colours, we can use splashback as a clock to understand galaxy quenching. We find that red galaxies have on average been in their clusters for over $3.2 ~\rm Gyrs$, green galaxies about $2.2 ~\rm Gyrs$, while blue galaxies have been accreted most recently and have not reached apocenter. Using the information from the complete radial profiles, we fit a simple quenching model and find that the onset of galaxy quenching in clusters occurs after a delay of about a gigayear, and that galaxies quench rapidly thereafter with an exponential timescale of $0.6$ Gyr.

We report on SPT-CLJ2011-5228, a giant system of arcs created by a cluster at z = 1.06. The arc system is notable for the presence of a bright central image. The source is a Lyman break galaxy at z s = 2.39 and the mass enclosed within the Einstein ring of radius 14 arcsec is ∼ 1014.2 MΘ. We perform a full reconstruction of the light profile of the lensed images to precisely infer the parameters of the mass distribution. The brightness of the central image demands that the central total density profile of the lens be shallow. By fitting the dark matter as a generalized Navarro–Frenk–White profile—with a free parameter for the inner density slope—we find that the break radius is 270∨{-76}^{+48} kpc, and that the inner density falls with radius to the power −0.38 ± 0.04 at 68% confidence. Such a shallow profile is in strong tension with our understanding of relaxed cold dark matter halos; dark matter-only simulations predict that the inner density should fall as r-1. The tension can be alleviated if this cluster is in fact a merger; a two-halo model can also reconstruct the data, with both clumps (density varying as r-0.8 and r-1.0) much more consistent with predictions from dark matter-only simulations. At the resolution of our Dark Energy Survey imaging, we are unable to choose between these two models, but we make predictions for forthcoming Hubble Space Telescope imaging that will decisively distinguish between them.

Els cartografiats de galàxies fotomètrics actuals i futurs observaran un gran volum de l’univers que ens permetrà acotar amb precisió el model cosmològic. Tanmateix, la capacitat de delimitar el model que tenen aquests cartografiats a través de les sondes cosmològiques depèn de la precisió i certesa amb les que es determina el redshift de les galàxies. Per tant, la determinació del redshift fotomètric i els seus efectes en les anàlisis cosmològiques han de ser tractats i estudiats curosament. En la primera part de la tesi, transformem la fotometria de simulacions que ja existeixen per imitar les mesures fotomètriques del Dark Energy Survey (DES). D’aquesta manera, esperem recuperar la distribució real del redshift fotomètric en simulacions, i així crear una base encara més realista per comprovar els resultats de les anàlisis cosmològiques de DES que fan us del redshift fotomètric. Per transformar les simulacions utilitzem diversos mètodes que transfereixen les propietats estadístiques de la fotometria d’observacions real a les simulacions. A la segona part de la tesi, utilitzem la tècnica del Self-Organizing Map per seleccionar galàxies per ser observades amb espectroscòpia, contribuint així al projecte C3R2 que vol establir un mapa correlacional entre l’espai de colors i redshift i omplir-ho amb informació espectroscòpica. En aquesta part també explorem l’espai de colors definit per la fotometria del Physics of the Accelerating Universe Survey (PAUS) per tal d’estudiar la cobertura del redshift espectroscòpic del seu espai de colors. Volem determinar la quantitat d’espai de color sense cobertura espectroscòpica perquè la falta de representació d’espectroscòpia pot ser una font de biaix quan la precisió dels redshifts fotomètrics és avaluada comparant-los amb redshifts espectroscòpics o quan els redshifts espectroscòpics s’utilitzen com a mostra d’entrenament per determinar els redshifts fotomètrics amb algoritmes d’entrenament. Finalment, explorem com la variació en la profunditat de les observacions des de terra combinades amb les d’Euclid afecta la precisió dels redshifts fotomètrics i, per tant, la capacitat de determinar els paràmetres cosmològics d’Euclid sobretot quan utilitza galaxy clustering i galaxy-galaxy lensing com a sondes cosmològiques. També estudiem com la densitat de les mostres de galàxies afecta la capacitat de delimitar els paràmetres cosmològics i quina és la configuració de bins tomogràfics de redshift que permet extreure la màxima informació per delimitar els paràmetres cosmològics. Per tal de dur a terme aquesta anàlisi, creem diverses distribucions realistes de redshift fotomètric basades en la simulació Flagship d’Euclid i utilitzem el formalisme de Fisher per fer una estimació de la capacitat d’acotament dels paràmetres cosmològics de les diferents configuracions de les mostres de galàxies. Los cartografiados de galaxias fotométricos actuales y futuros observarán un gran volumen del universo que nos permitirá acotar con precisión el modelo cosmológico. Aun así, la capacidad de los cartografiados para delimitar el modelo a través de las sondas cosmológicas depende de la precisión y certeza con las que se determina el redshift de las galaxias. Por lo tanto, la determinación del redshift fotométrico y sus efectos en los análisis cosmológicos deben ser tratados y estudiados cuidadosamente. En la primera parte de la tesis, transformamos la fotometría de simulaciones que ya existen para imitar las mediciones fotométricas del Dark Energy Survey (DES). De esta forma, esperamos recuperar la distribución real del redshift fotométrico en simulaciones, y así crear una base aún más realista para comprobar los resultados de los análisis cosmológicos de DES que usan redshifts fotométricos. Para transformar las simulaciones utilizamos diversos métodos que transfieren las propiedades estadísticas de la fotometría de observaciones reales a las simulaciones. En la segunda parte de la tesis, utilizamos la técnica del Self-Organizing Map para seleccionar galaxias para ser observadas con espectroscopia, contribuyendo así al proyecto C3R2 que quiere establecer un mapa correlacional entre el espacio de colores y redshift y llenarlo con información espectroscópica. En esta parte también exploramos el espacio de colores definido por la fotometría del Physics of the Accelerating Universe Survey (PAUS) con tal de estudiar la cobertura del redshift espectroscópico de su espacio de colores. Queremos determinar la cantidad del espacio de color sin cobertura espectroscópica porque la falta de representación espectroscópica puede originar un sesgo cuando la precisión del redshift fotométrico se evalúa comparándolo con el redshift espectroscópico o cuando el redshift espectroscópico se utiliza como muestra de entrenamiento para determinar el redshift fotométrico con algoritmos de entrenamiento. Finalmente, exploramos como la variación en la profundidad de las observaciones desde tierra combinadas con las de Euclid afecta la precisión de los redshifts fotométricos y, por lo tanto, la capacidad de Euclid para determinar los parámetros cosmológicos sobre todo cuando se utilizan galaxy clustering y galaxy-galaxy lensing como sondas cosmológicas. También estudiamos como la densidad de las muestras de galaxias afecta la capacidad de acotar los parámetros cosmológicos y cuál es la configuración de bines tomográficos de redshift que permiten extraer la máxima información para delimitar los parámetros cosmológicos. Para llevar a cabo este análisis, creamos diversas distribuciones realistas de redshift fotométrico basadas en la simulación Flagship de Euclid y utilizamos el formalismo de Fisher para hacer una estimación de la capacidad de acotar los parámetros cosmológicos de las diferentes configuraciones de las muestras de galaxias. Current and future photometric surveys will observe a large volume of the universe that will allow us to accurately constrain the cosmological model. However, the constraining power from cosmological probes of photometric surveys highly relies on the accuracy and precision with which we can determine the galaxies redshifts. Therefore, the determination of photometric redshifts (photo-zs) and their effect in cosmological analysis should be treated and studied carefully. In the first part of this thesis, we transform the photometry of existing simulations to mimic the photometric measurements of the Dark Energy Survey (DES). With this exercise, we expect to recover the real photo-z distribution in simulations, thus creating a more realistic environment to crosscheck the performance of DES in cosmological analyses that use photo-z. We transform the simulations using several method to transfer the statistical properties from the real observations photometry to the simulations. In the second part of the thesis, we use the Self-Organizing Map technique to select spectroscopic targets for the C3R2 program aimed at establishing the mapping between color and redshift space. We also explore the color space defined by the photometry of galaxies from the Physics of the Accelerating Universe Survey (PAUS) in order to study the spectroscopic redshift coverage of its color space. We want to quantify the regions of color space without spectroscopic redshifts because the lack of spectroscopic representation can be a source of bias when the accuracy of photo-zs is evaluated by comparing it to spectroscopic redshifts and when the spectroscopic redshifts are used to determine the photo- z with training-based algorithms. Lastly, we explore how the variation of the depth of ground-based observations combined with Euclid observations affects the accuracy and precision of the photo-z and thus the cosmological constraining power of Euclid focusing on photometric galaxy clustering and galaxy-galaxy lensing analyses. We also study how the number density of photometric galaxy samples affects the constraining power and which tomographic redshift binning configuration returns the maximum information to constrain the cosmological parameters. To perform such analyses, we create several realistic photo-z distributions based on the Euclid Flagship simulation and we use the Fisher forecast and the cosmological inference code, CosmoSIS, over the different configurations of the galaxy samples to determine the cosmological constraining power. Universitat Autònoma de Barcelona. Programa de Doctorat en Física

Per constrènyer models cosmològics mitjançant el creixement de les fluctuacions a gran escala de la matèria és cabdal entendre com les galàxies que observem tracen el camp de densitat de tot el conjunt de matèria. La relació entre el camp de densitat de matèria i el de galàxies s'acostuma a aproximar amb una expansió de segon ordre de la funció anomenada bias. La llibertat en els paràmetres d'aquesta funció redueix la informació cosmològica que es pot extreure de les observacions. En aquesta tesi estudiem dos mètodes per determinar els paràmetres del bias independentment del creixement. L'anàlisi es basa en la distribució de matèria de la gran simulació MICE Grand Challenge. Als halos, identificats en aquesta simulació, se'ls associen galàxies. El primer mètode consisteix en mesurar directament els paràmetres del bias d'estadístiques de tercer ordre de les distribucions d'halos i de matèria. El segon en predir-los a partir de l'abundància d'halos en funció de la seva massa (concepte al qual ens referirem com a funció de massa). Les nostres estimacions del bias amb estadístiques de tercer ordre es basen en les autocorrelacions i correlacions creuades de tres punts dels camps de densitat d'halos i de matèria, en l'espai de configuració tridimensional. Usant les autocorrelacion de tres punts i un model local i quadràtic del bias trobem una sobreestimació del $\sim20\%$ en el paràmetre lineal del bias respecte a la referència provinent de correlacions de dos punts. Aquesta desviació es pot deure a ignorar contribucions no locals i d'ordre superior a la funció bias, així com sistemàtics en les mesures. L'efecte d'aquestes inexactituds en les estimacions del bias en les mesures del creixement són comparables amb els errors en les nostres mesures, procedents de la variància de la mostra i del soroll. També presentem un nou mètode per mesurar el creixement que no requereix un model per a la correlació de tres punts de la matèria fosca. Els resultats d'ambdós enfocaments estan en acord amb les prediccions. Combinant les autocorrelacions i les correlacions creuades de tres punts, per una banda podem mesurar el bias lineal sense ser afectats per termes quadràtics (locals o no locals) en les funcions del bias, i de l'altra podem aïllar aquests termes i comparar-los amb les prediccions. Les nostres mesures de bias lineal a partir d'aquestes combinacions són molt consistents amb el bias lineal de referència. La comparació de les contribucions no lineals amb les prediccions revelen una forta dependència de les mesures amb desviacions significatives de les prediccions, inclús a escales molt grans. El nostre segon enfoc per obtenir els paràmetres de bias són prediccions derivades de la funció de massa a través de l'aproximació de "peak-background !split". Trobem desviacions significatives del 5-10% entre aquestes prediccions i la referència a partir de les estadístiques de dos punts. Aquestes desviacions poden ser explicades només en part a partir dels sistemàtics que afecten les prediccions de bias, provinent del "binning" de la funció de massa d'halos, l'estimació de l'error de la funció de massa i la parametrització de la funció de massa a partir de la qual se'n deriven les prediccions de bias. Estudiant la funció de massa trobem relacions entre diferents parametritzacions de la funció de massa. A més, trobem que el mètode estàndard de Jack-Knife sobreestima la covariança d'error de la funció de massa en el rang de baixa massa. Expliquem aquestes desviacions i presentem un nou i estimador de covariança millorat., For constraining cosmological models via the growth of large-scale matter fluctuations it is important to understand how the observed galaxies trace the full matter density field. The relation between the density fields of matter and galaxies is often approximated by a second- order expansion of a so-called bias function. The freedom of the parameters in the bias function weakens cosmological constraints from observations. In this thesis we study two methods for determining the bias parameters independently from the growth. Our analysis is based on the matter field from the large MICE Grand Challenge simulation. Haloes, identified in this simulation, are associated with galaxies. The first method is to measure the bias parameters directly from third-order statistics of the halo and matter distributions. The second method is to predict them from the abundance of haloes as a function of halo mass (hereafter referred to as mass function). Our bias estimations from third-order statistics are based on three-point auto- and cross- correlations of halo and matter density fields in three dimensional configuration space. Using three-point auto-correlations and a local quadratic bias model we find a ∼ 20% overestimation of the linear bias parameter with respect to the reference from two-point correlations. This deviation can originate from ignoring non-local and higher-order contributions to the bias function, as well as from systematics in the measurements. The effect of such inaccuracies in the bias estimations on growth measurements are comparable with errors in our measurements, coming from sampling variance and noise. We also present a new method for measuring the growth which does not require a model for the dark matter three-point correlation. Results from both approaches are in good agreement with predictions. By combining three-point auto- and cross-correlations one can either measure the linear bias without being affected by quadratic (local or non-local) terms in the bias functions or one can isolate such terms and compare them to predictions. Our linear bias measurements from such combinations are in very good agreement with the reference linear bias. The comparison of the non-local contributions with predictions reveals a strong scale dependence of the measurements with significant deviations from the predictions, even at very large scales. Our second approach for obtaining the bias parameters are predictions derived from the mass function via the peak-background split approach. We find significant 5−10% deviations between these predictions and the reference from two-point clustering. These deviations can only partly be explained with systematics affecting the bias predictions, coming from the halo mass function binning, the mass function error estimation and the mass function parameterisation from which the bias predictions are derived. Studying the mass function we find unifying relations between different mass function parameterisation. Furthermore, we find that the standard Jack-Knife method overestimates the mass function error covariance in the low mass range. We explain these deviations and present a new improved covariance estimator.