지역 대규모구조 파악의 현주소: CosmicFlows vs. Biteau 클로닝 카탈로그 비교

초록

이 논문은 CosmicFlows 2·4와 Biteau(2021) Galaxy Catalog(클로닝 포함)의 밀도장 차이를 정량적으로 비교한다. 0–350 Mpc 구간에서 평균 과밀도, 구면 스카이맵, 그리고 구역 회피대(ZoA) 내 인공 구조를 분석한다. 결과는 10 Mpc 이하에서는 Local Volume Catalog이 우세하지만, 20–250 Mpc에서는 Biteau가 비가시 영역 외 구조 방향·총질량을 잘 재현한다. 그러나 ZoA 내 클로닝은 인위적 과밀을 만들며, CosmicFlows가 발견한 South Pole Wall와 같은 은폐 구조는 Galaxy Catalog에 누락된다. 또한 CosmicFlows의 일부 구조가 실제 위치와 각도에서 오차가 있음을 확인한다.

상세 분석

본 연구는 세 가지 밀도 모델—CosmicFlows 2(CF2), CosmicFlows 4(CF4), 그리고 Biteau 2021(B21) 카탈로그—의 차이를 정밀히 정량화하였다. 먼저 저자들은 1.43 Mpc 두께의 구형 쉘을 정의하고, 각 쉘을 NSIDE = 32(≈3.36 deg²) Healpix 픽셀로 분할하였다. CF2와 CF4는 기존 voxel 데이터를 그대로 사용했으며, CF4는 512³ Cartesian 격자에서 최근 HAMLET 기반 평균 사후 밀도장을 추출하였다. B21는 개별 은하를 5 Mpc와 10 Mpc 스무딩 반경을 갖는 가우시안 프로필로 변환하고, 쉘 두께와 거리 차이에 따라 각 쉘에 할당된 질량 비율을 계산하였다. 0–10 Mpc 구간에서는 2D 중첩 픽셀 스무딩을 적용해 인접 8픽셀에 질량을 균등 분배함으로써 클로닝에 의해 발생하는 비물리적 질량 이동을 최소화하였다.

밀도 비교 결과, 평균 과밀도(ρ/⟨ρ⟩)는 70 Mpc 부근에서 Great Attractor에 의해 모두 피크를 보이지만, 절대값은 CF2와 CF4 사이에 20 % 정도 차이가 존재한다. B21는 전체 평균보다 10–30 % 높은 과밀도를 보이며, 특히 270–340 Mpc 구간에서 ZoA 클로닝에 의해 인위적 상승이 두드러진다. ZoA를 제외한 경우에도 B21의 평균 밀도는 여전히 CF2·CF4보다 높으며, 이는 클로닝이 복제된 구조를 전방위에 퍼뜨리기 때문이다.

스카이맵 분석에서는 주요 클러스터(Virgo, Hydra‑Centaurus, Perseus‑Pisces, Coma 등)가 세 모델 모두에서 재현되지만, 세부 구조와 진공 영역의 표현에서 차이가 있다. CF4는 CF2에 비해 하위 구조(Antlia, NGC 5846, Fornax‑Eridanus 등)를 더 세밀하게 포착하고, 밀도 변동 폭이 넓다. B21는 0–20 Mpc 구간에서 초은하면(Super‑galactic Plane) 따라 과도한 질량 집중을 보이며, 이는 클로닝이 |ℓ| < 30° 영역을 b = ±20° 경계에 대해 대칭 복제하면서 발생한다. 40–60 Mpc와 80–130 Mpc 구간에서는 Pavo‑Indus 구름이 B21에서 과도하게 집중된 반면, CF4에서는 보다 분산된 형태를 보인다. 이는 클로닝이 ZoA 경계 근처 구조를 복제해 인위적 대칭을 만든 결과이다.

또한 저자들은 South Pole Wall와 같은 은폐 구조가 Galaxy Catalog에 전혀 나타나지 않으며, 이는 광학·IR 관측이 불가능한 영역에서도 CF4가 속도 정보를 활용해 물질을 복원할 수 있음을 시사한다. 마지막으로, CF2·CF4의 일부 구조가 실제 은하 위치와 각도에서 수십 도까지 오차가 있음을 확인했으며, 이는 거리 추정에 사용된 적색편이와 비정상적인 peculiar velocity가 원인일 가능성이 있다.

종합하면, 11 Mpc 이내에서는 Local Volume Catalog이 직접적인 거리·질량 정보를 제공하므로 B21가 우수하지만, 그 외 거리에서는 비가시 영역을 제외한 구조 방향·총질량에서는 B21가 경쟁력 있다. 그러나 ZoA 내 클로닝은 물리적 근거가 없으며, 특히 대규모 구조 해석이나 UHECR 소스 모델링 시 주의가 필요하다. CF4는 최신 속도 기반 재구성으로, 은폐된 구조와 세부 클러스터를 동시에 포착하는 가장 신뢰할 만한 모델이라 할 수 있다.