Identificazione di strutture cosmiche con il Minimal Spanning Tree

Le distribuzioni tridimensionali di galassie e ammassi di galassie ottenute dai cataloghi di redshift hanno permesso un notevole sviluppo dello studio della struttura su grande scala dell'universo. Le galassie sembrano disporsi su filamenti che si estendono fino a 40 Mpc/h. L'impressione visiva dell'esistenza di queste strutture non costituisce, di per sè, una garanzia per la loro presenza reale, dal momento che molti fattori nel processo di visualizzazione dei dati possono influenzare fortemente l'aspetto della distribuzione finale. Inoltre, l'occhio umano tende a essere molto sensibile a strutture filamentose di bassa significatività statistica. Per studiare la distribuzione di galassie, risulta dunque opportuno ricorrere all'uso di algoritmi. In particolare, si descrivono due metodi differenti per l'identificazione di strutture in una distribuzione di galassie. Il primo, noto come algoritmo del Friends-of-Friends (FoF), è un metodo che permette di identificare sistemi con concentrazione di densità al di sopra di una certa soglia. Il secondo algoritmo descritto è il Minimal Spanning Tree (MST), derivato dalla teoria dei grafi. Esso identifica strutture filamentose in un insieme di punti dati. Applicato ai cataloghi di galassie, individua strutture coerenti su grande scala, non necessariamente virializzate. Punto fondamentale della tesi è confrontare le strutture identificate con i due metodi. Tale studio è stato operato con i dati dell'Updated Zwicky Catalogue (UZC). Dai risultati ottenuti circa il 30% delle galassie che con un metodo vengono assegnate a un gruppo sono invece considerate isolate dall'altro. Per i gruppi identificati da entrambi i metodi si stma la percentuale di sovrapposizione, che presenta un picco intorno al 65% . Si considera infine il Catalogo VIPERS, studiando le strutture più grandi presenti e indagandone la compatibilità con un modello di formazione di strutture a partire da perturbazioni iniziali di densità di tipo gaussiano.