Cosmologia di precisone con ammassi di galassie: preparazione per Euclid

The flat LCDM cosmological model has been demonstrated to provide a good description of the observed properties of the Universe. However, several unanswered questions and tensions on cosmological parameters indicate that our knowledge of the Universe still needs to be investigated. Galaxy clusters, as tracers of the large-scale structure geometry end evolution, are well-known powerful cosmological probes, sensitive to the properties of the initial density field of the Universe, to the nature of dark matter and dark energy, and to the laws of gravity on large scales. In particular, mass abundance (i.e., number counts) and spatial distribution (i.e., clustering) of such objects are sensitive to changes in several cosmological parameters, mainly the amplitude of density fluctuations ($\sigma_8$) and the matter content of the Universe ($\Omega_m$). Current cosmological constraints from cluster surveys are limited in redshift (z<1) and statistics (N~ 10^3). This scenario will drastically change with the advent of the next generation of wide-field photometric surveys. Among them, the future ESA space mission Euclid will produce cluster catalogs with $\sim 10^5$ objects up to redshift z~2, allowing the cosmological parameters to be constrained with unprecedented precision. In this scenario, cosmological constraints from galaxy clusters will be almost entirely limited by systematic uncertainties, related to both observational and theoretical aspects. The goal of this Ph.D. thesis is to characterize the theoretical systematics of cluster cosmology experiments, allowing for the full cosmological exploitation of the upcoming Euclid cluster survey. By analyzing 1000 Euclid-like simulated light cones, produced with the PINOCCHIO code, we validate analytical models for the covariance matrix of cluster number counts and real-space cluster clustering. We demonstrate that the analytical models achieve an accuracy within 10 percent for both number counts and clustering covariance matrices, and this translates to negligible impact on the figure of merit of the cosmological parameters $\Omega_m$ and $\sigma_8$. The resulting models allow us to study the response of the likelihood analysis to variations of the covariance, and in particular to assess the relevance of the cosmology dependence of the covariance matrix. Our results indicate that a Gaussian likelihood with full cosmology-dependent covariance provides an unbiased inference of cosmological parameters for number counts analyses. Also, we find that a simple Gaussian model with Poissonian shot-noise does not correctly predict the clustering covariance, but the inaccuracy can be mitigated with the help of few additional parameters fitted from simulations. Furthermore, we show that both the mass dependence of the halo bias, and the cosmology dependence of the covariance help to improve the constraining power of cluster clustering. The final part of this work is aimed at studying the combined analysis of cluster number counts and cluster clustering for richness-selected clusters. After showing that the two statistics exhibit negligible cross-correlation, we quantify the improvement in their joint cosmological constraints, as a function of scaling relation priors' amplitude. Our analyses show that the addition of cluster clustering brings a 20 to 90 percent improvement on parameter constraints when compared with the analysis of number counts alone, depending on the uncertainty on the scaling relation. Finally, we apply the framework validated in this work to the analysis of the SDSS redMaPPer cluster catalog, confirming that also in real observing conditions cluster clustering yields relevant information to improve the cosmological constraints obtained from number counts.

È stato dimostrato che il modello cosmologico "flat-LCDM" fornisce una buona descrizione delle proprietà osservate dell'Universo. Tuttavia, diverse domande senza risposta e tensioni sui parametri cosmologici indicano che la nostra conoscenza dell'Universo deve ancora essere approfondita. Gli ammassi di galassie, in quanto tracciatori della struttura su larga scala, sono notoriamente potenti sonde cosmologiche, sensibili alle proprietà del campo di densità iniziale dell'Universo, alla natura della materia oscura e dell'energia oscura e alle leggi della gravità su larga scala. In particolare, l'abbondanza di massa ("number counts") e la distribuzione spaziale ("clustering") di questi oggetti sono sensibili ai cambiamenti di diversi parametri cosmologici, principalmente l'ampiezza delle fluttuazioni di densità ($\sigma_8$) e il contenuto di materia dell'Universo ($\Omega_m$). Gli attuali vincoli cosmologici derivanti dalle indagini sugli ammassi sono limitati dal redshift (z<1) e dalla statistica (N~ 10^3). Questo scenario cambierà drasticamente con l'avvento della prossima generazione di indagini fotometriche ad ampio campo. Tra queste, la futura missione spaziale ESA Euclid produrrà cataloghi di ammassi con ~ 10^5 oggetti fino al redshift z=2, permettendo di vincolare i parametri cosmologici con una precisione senza precedenti. In questo scenario, i vincoli cosmologici provenienti dagli ammassi di galassie saranno quasi interamente limitati dalle incertezze sistematiche, legate sia agli aspetti osservativi che a quelli teorici. L'obiettivo di questa tesi di dottorato è quello di caratterizzare le sistematiche teoriche degli esperimenti di cosmologia con ammassi, consentendo il pieno sfruttamento cosmologico della survey di ammassi Euclid. Analizzando 1000 coni di luce simulati di tipo Euclid, prodotti con il codice PINOCCHIO, validiamo i modelli analitici per la matrice di covarianza di abbondanza e clustering. Dimostriamo che i modelli analitici raggiungono un'accuratezza entro il 10% sia per la matrice di covarianza dei conteggi numerici sia per quella del clustering, e questo si traduce in un impatto trascurabile sulla figura di merito dei parametri cosmologici $\Omega_m$ e $\sigma_8$. I modelli risultanti ci permettono di studiare la risposta dell'analisi di "likelihood" alle variazioni della covarianza, e in particolare di valutare la rilevanza della dipendenza cosmologica della matrice di covarianza. I nostri risultati indicano che una likelihood gaussiana con covarianza dipendente dalla cosmologia fornisce un'inferenza non falsata dei parametri cosmologici per le analisi dei conteggi numerici. Inoltre, abbiamo scoperto che un modello gaussiano con shot-noise poissoniano non predice correttamente la covarianza del clustering ma l'imprecisione può essere mitigata con l'aiuto di pochi parametri ricavati da simulazioni. Inoltre, dimostriamo che sia la dipendenza dalla massa dell'halo bias, sia la dipendenza dalla cosmologia della covarianza contribuiscono a migliorare il potere di vincolo del clustering. La parte finale di questo lavoro è finalizzata allo studio dell'analisi combinata del conteggio del numero di ammassi e del clustering per gli ammassi selezionati per ricchezza. Dopo aver dimostrato che le due statistiche presentano una correlazione trascurabile, quantifichiamo il miglioramento dei loro vincoli cosmologici congiunti, in funzione dell'ampiezza della relazione di scala dei prior. Le nostre analisi mostrano che l'aggiunta del clustering apporta un miglioramento del 20-90% ai vincoli dei parametri rispetto alla sola analisi dei conteggi numerici, a seconda dell'incertezza sulla relazione di scala. Infine, applichiamo la struttura convalidata in questo lavoro all'analisi del catalogo di cluster SDSS redMaPPer, confermando che anche in condizioni osservative reali il clustering fornisce informazioni rilevanti per migliorare i vincoli cosmologici ottenuti dai conteggi numerici.