Sobre a Precisão das Reconstruções de Massa de Agregados por Lente Fraca

Estudamos o viés e a dispersão nas medições de massa de aglomerados de galáxias resultantes do ajuste de um modelo de Navarro, Frenk & White simétrico esférico ao perfil de cisalhamento tangencial reduzido medido em observações de lente fraca. Os perfis de cisalhamento reduzido são gerados para ~10⁴ halos do tamanho de aglomerados formados em uma simulação cosmológica N-body LCDM de uma caixa de 1 Gpc/h. Em concordância com estudos anteriores, encontramos que a dispersão nas massas de lente fraca derivadas usando este método de ajuste tem contribuições irreduzíveis das formas triaxiais dos halos do tamanho de aglomerados e projeções de matéria de grande escala não correlacionadas ao longo da linha de visão. Adicionalmente, encontramos que a estrutura de grande escala correlacionada dentro de vários raios viriais de aglomerados contribui com uma quantidade menor, mas ainda assim significativa, para a dispersão. A dispersão intrínseca devido a essas fontes físicas é de ~20% para aglomerados massivos e pode chegar a ~30% para sistemas do tamanho de grupos. Para as observações atuais baseadas em solo, no entanto, a dispersão total deve ser dominada pelo ruído de forma das galáxias de fundo usadas para medir o cisalhamento. Importante, encontramos que as medições de massa por lente fraca podem ter uma quantidade pequena, ~5%-10%, mas não negligenciável de viés. Dado que as medições de lente fraca das massas de aglomerados são uma maneira poderosa de calibrar relações massa-observável de aglomerados para restrições cosmológicas de precisão, enfatizamos fortemente que uma calibração robusta do viés requer simulações detalhadas que incluam mais efeitos observacionais do que consideramos aqui. Tal exercício de calibração precisa ser realizado para cada método específico de estimativa de massa por lente fraca, já que os detalhes do método determinam em parte a dispersão e o viés esperados. Apresentamos um método iterativo para estimar a massa M500c que pode eliminar o viés para análises de dados baseados em solo.