Large scale structure formation: from primordial black holes in bouncing cosmology to galaxy clusters abundance

dc.contributor.advisorVitenti, Sandro Dias Pinto
dc.contributor.authorBarroso, Eduardo José
dc.contributor.bancaSantos, Rodrigo Corso Baptista dos
dc.contributor.bancaVitenti, Mariana Penna Lima
dc.contributor.bancaQuartin, Miguel Boavista
dc.contributor.bancaPinto Neto, Nelson
dc.coverage.extent156 p.
dc.coverage.spatialLondrina
dc.date.accessioned2024-10-23T17:53:02Z
dc.date.available2024-10-23T17:53:02Z
dc.date.issued2024-07-16
dc.description.abstractEsta tese é constituída por três projetos diferentes: a formação de buracos negros primor diais num universo em expansão; a abundância de aglomerados dentro da colaboração LSST-DESC; e o desenvolvimento do APES, um algoritmo de ensemble sampler. No que diz respeito à formação de buracos negros primordiais, as perturbações cosmoló gicas escalares lineares têm espectros crescentes na fase de contração dos modelos de expansão. Estudamos as condições para as quais estas perturbações podem colapsar em buracos negros primordiais e a hipótese de que estes objetos constituem uma fração da matéria escura. Calculamos o contraste de densidade crítico que descreve o colapso das perturbações de matéria no modelo de expansão plana com uma solução paramé trica, obtida a partir da métrica de Lemaitre-Tolman-Bondi que representa o colapso esférico. Discutimos a incapacidade de calibre newtoniano para descrever perturbações em modelos de contração, uma vez que a hipótese perturbativa não se mantém nesses casos. Realizamos os cálculos para uma escolha de calibre diferente e computamos os espectros de potência das perturbações numericamente. Por fim, assumindo uma distribuição gaussiana, calculamos a abundância de buracos negros primordiais com o formalismo de Press-Schechter e comparamos com as restrições observacionais. A partir da nossa análise, concluímos que a formação de buracos negros primordiais numa fase de contração dominada por poeira não leva a uma fração significativa de massa de buracos negros primordiais na matéria escura atualmente. Ainda em relação aos objetos colapsados das perturbações da matéria, podemos usar aglomerados de galáxias para investigar a cosmologia. Os aglomerados de galáxias são os maiores objetos gravitacionais limitados e são formados pelo colapso de sobre-densidades de matéria. Devido ao seu tamanho e conteúdo de matéria, são usados para estudar a formação da estrutura em larga escala no universo. Especificamente, a abundância de aglomerados de galáxias está fortemente relacionada à densidade de matéria do universo O?? e à flutuação de massa rms ??8. Consequentemente, sua abundância pode ser prevista teoricamente e depois comparada com dados para ajustar parâmetros cosmológicos e assim investigar modelos cosmológicos. Neste contexto, o Legacy Survey of Space and Time (LSST) fornecerá uma grande quantidade de dados de aglomerados para serem usados em análises computacionais. O segundo projeto consiste em desenvolver o pipeline de cluster dentro da Dark Energy Science Collaboration (DESC). Durante o doutorado, trabalhamos no Firecrown, um pacote Python para implementar verossimilhanças dentro do DESC. Implementamos uma verossimilhança de contagem de número de clusters, utilizando previsões teóricas com base na riqueza de clusters de galáxias como um proxy de massa. Após completar o código do Firecrown, testamos em vários conjuntos de dados, incluindo o catálogo RedMaPPer, que faz parte do Data Challenge 2 (DC2), um catálogo simulado de aglomerados. Validamos a verossimilhança de abundância de clusters do Firecrown usando o catálogo RedMaPPer ajustando parâmetros cosmológicos e de relação de massa-proxy e preparamos os dados combinando o catálogo de clusters de galáxias com seu catálogo de halo de simulações N-body para atribuir massas médias em cada bin de riqueza de redshift. A análise mostrou que os valores verdadeiros do catálogo estavam dentro da região de 2 sigmas. Por último, o algoritmo APES propõe uma abordagem inovadora para gerar amostras de distribuições-alvo que são difíceis de amostrar usando métodos de Monte Carlo Markov Chain (MCMC). Algoritmos MCMC tradicionais frequentemente enfrentam uma convergência lenta devido à dificuldade em encontrar propostas que se adequem ao problema em questão. Para resolver esse problema, introduzimos o algoritmo Approximate Posterior Ensemble Sampler (APES), que emprega estimativa de densidade de kernel e interpolação de base radial para criar uma proposta adaptativa, levando a uma rápida convergência das cadeias. A escalabilidade do algoritmo APES para dimensões mais altas o torna uma solução prática para problemas complexos. O método proposto gera uma probabilidade posterior aproximada que se aproxima de perto da distribuição desejada e é fácil de amostrar, resultando em tempos de autocorrelação menores e uma maior probabilidade de aceitação pela cadeia. Comparamos o desempenho do algoritmo APES com o ensemble sampler de invariância afim com o stretch move em vários contextos, demonstrando a eficiência do método proposto. Por exemplo, na função Rosenbrock, o APES apresentou um tempo de autocorrelação 140 vezes menor do que o ensemble sampler de invariância afim. A comparação destaca a eficácia do algoritmo APES na geração de amostras de distribuições desafiadoras.Este trabalho apresenta uma solução prática para gerar amostras de distribuições complexas, abordando o desafio de encontrar propostas adequadas. Com novas pesquisas cosmológicas preparadas para lidar com muitas novas sistemáticas, este método oferece uma solução prática para a próxima era de análises cosmológicas
dc.description.abstractother1This thesis is constituted by three different projects: the primordial black hole formation in a bouncing universe; the cluster abundance inside the LSST-DESC collaboration; and the development of APES, an ensemble sampler algorithm. Regarding the primordial black hole formation, linear scalar cosmological perturbations have increasing spectra in the contracting phase of bouncing models. We study the conditions for which these perturbations may collapse into primordial black holes and the hypothesis that these objects constitute a fraction of dark matter. We compute the critical density contrast that describes the collapse of matter perturbations in the flat-dust bounce model with a parametric solution, obtained from the Lemaitre-Tolman-Bondi metric that represents the spherical collapse. We discuss the inability of the Newtonian gauge to describe perturbations in contracting models as the perturbative hypothesis does not hold in such cases. We carry the calculations for a different Gauge choice and compute the perturbations’ power spectra numerically. Finally, assuming a Gaussian distribution, we compute the primordial black hole abundance with the Press-Schechter formalism and compare it with observational constraints. From our analysis, we conclude that the primordial black hole formation in a dust-dominated contracting phase does not lead to a significant mass fraction of primordial black holes in dark matter today. Still regarding collapsed objects from matter perturbations, we can use galaxy clusters to probe cosmology. Galaxy clusters are the biggest gravitational bounded objects and are formed through the collapse of matter over-densities. Due to their size and matter content, they are used to study the large-scale structure formation in the universe. Specifically, the abundance of galaxy clusters is strongly related to the universe’s matter density O?? and the rms mass fluctuation ??8. Consequently, their abundance can be predicted theoretically and then compared with data to fit cosmological parameters and thus probe cosmological models. In this context, the Legacy Survey of Space and Time will provide a great amount of cluster data to be used in computational analyses. The second project consists in developing the cluster pipeline inside the Dark Energy Science Collaboration (DESC). During the Ph.D, we worked on Firecrown, a Python package for implementing likelihoods within DESC. We implemented a cluster number counts likelihood, using theoretical predictions based on the richness of galaxy clusters as a mass-proxy. After completing the Firecrown code, we tested it on various datasets, including the RedMaPPer catalog, which is part of Data Challenge 2 (DC2), a simulated catalog. We validated the Firecrown cluster abundance likelihood using the RedMaPPer catalog by fitting cosmological and proxy-mass relation parameters and prepared the data by matching the galaxy cluster catalog with its halo catalog from N-body simulations to assign mean masses in each redshift-richness bin. The analysis showed that true catalog values were within the 2-sigma region. Lastly, the APES algorithm proposes a novel approach to generate samples from target distributions that are difficult to sample from using Markov Chain Monte Carlo (MCMC) methods. Traditional MCMC algorithms often face slow convergence due to the difficulty in finding proposals that suit the problem at hand. To address this issue, we introduce the Approximate Posterior Ensemble Sampler (APES) algorithm, which employs kernel density estimation and radial basis interpolation to create an adaptive proposal, leading to fast convergence of the chains. The APES algorithm’s scalability to higher dimensions makes it a practical solution for complex problems. The proposed method generates an approximate posterior probability that closely approximates the desired distribution and is easy to sample from, resulting in smaller autocorrelation times and a higher probability of acceptance by the chain. We compare the performance of the APES algorithm with the affine invariance ensemble sampler with the stretch move in various contexts, demonstrating the efficiency of the proposed method. For instance, on the Rosenbrock function, the APES presented an autocorrelation time 140 times smaller than the affine invariance ensemble sampler. The comparison showcases the effectiveness of the APES algorithm in generating samples from challenging distributions. This work presents a practical solution to generating samples from complex distributions while addressing the challenge of finding suitable proposals. With new cosmological surveys set to deal with many new systematics, this method offers a practical solution for the upcoming era of cosmological analyses
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18214
dc.language.isoeng
dc.relation.departamentCCE - Departamento de Física
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Física
dc.subjectCosmologia
dc.subjectBuracos Negros Primordiais
dc.subjectModelos de Ricochete
dc.subjectAglomerados de Galáxias
dc.subjectMonte Carlo Markov Chain
dc.subjectFísica
dc.subjectCosmologia
dc.subjectBuracos negros (Astronomia)
dc.subject.capesCiências Exatas e da Terra - Física
dc.subject.cnpqCiências Exatas e da Terra - Física
dc.subject.keywordsCosmology
dc.subject.keywordsPrimordial Black Holes
dc.subject.keywordsBouncing Models
dc.subject.keywordsGalaxy Clusters
dc.subject.keywordsMonte Carlo Markov Chain
dc.titleLarge scale structure formation: from primordial black holes in bouncing cosmology to galaxy clusters abundance
dc.title.alternativeFormação de estruturas em larga escala: de buracos negros primordiais em cosmologica com Ricochete até abundância de aglomerados de galáxias
dc.typeTese
dcterms.educationLevelDoutorado
dcterms.provenanceCentro de Ciências Exatas

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Carregando...
Imagem de Miniatura
Nome:
CE_FIS_Dr_2024_Barroso_Eduardo_J.pdf
Tamanho:
58.07 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo ID. 192576
Nenhuma Miniatura disponível
Nome:
CE_FIS_Dr_2024_Barroso_Eduardo_J_TERMO.pdf
Tamanho:
146.95 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição: