[论文解读] The Aemulus Project VI: Emulation of beyond-standard galaxy clustering statistics to improve cosmological constraints

Kate Storey-Fisher, Jeremy L. Tinker+4 more|arXiv (Cornell University)|Oct 6, 2022

Galaxies: Formation, Evolution, Phenomena参考文献 67被引用 5

一句话总结

本文提出了一种高斯过程模拟器，用于超越标准星系聚类统计量——具体为非密度区统计函数 $P_{\mathrm{U}}(s)$ 和密度标记相关函数 $M(s)$——并利用 Aemulus $N$-体模拟套件在小尺度（$0.1{-}50\,h^{-1}\mathrm{Mpc}$）提升宇宙学约束精度。与仅使用标准统计量相比，该方法使 $\sigma_8$、$\Omega_\mathrm{m}$ 和 $f\sigma_8$ 的约束精度分别提高了 33%、28% 和 18%。

ABSTRACT

There is untapped cosmological information in galaxy redshift surveys in the non-linear regime. In this work, we use the AEMULUS suite of cosmological $N$-body simulations to construct Gaussian process emulators of galaxy clustering statistics at small scales ($0.1-50 \: h^{-1}\,\mathrm{Mpc}$) in order to constrain cosmological and galaxy bias parameters. In addition to standard statistics -- the projected correlation function $w_\mathrm{p}(r_\mathrm{p})$, the redshift-space monopole of the correlation function $ξ_0(s)$, and the quadrupole $ξ_2(s)$ -- we emulate statistics that include information about the local environment, namely the underdensity probability function $P_\mathrm{U}(s)$ and the density-marked correlation function $M(s)$. This extends the model of AEMULUS III for redshift-space distortions by including new statistics sensitive to galaxy assembly bias. In recovery tests, we find that the beyond-standard statistics significantly increase the constraining power on cosmological parameters of interest: including $P_\mathrm{U}(s)$ and $M(s)$ improves the precision of our constraints on $Ω_m$ by 27%, $σ_8$ by 19%, and the growth of structure parameter, $f σ_8$, by 12% compared to standard statistics. We additionally find that scales below $\sim6 \: h^{-1}\,\mathrm{Mpc}$ contain as much information as larger scales. The density-sensitive statistics also contribute to constraining halo occupation distribution parameters and a flexible environment-dependent assembly bias model, which is important for extracting the small-scale cosmological information as well as understanding the galaxy-halo connection. This analysis demonstrates the potential of emulating beyond-standard clustering statistics at small scales to constrain the growth of structure as a test of cosmic acceleration.

研究动机与目标

• 从星系红移巡天中提取非线性区域（特别是小尺度，$0.1{-}50\,h^{-1}\mathrm{Mpc}$）中尚未被充分利用的宇宙学信息。
• 通过为星系聚类统计量开发高斯过程模拟器，应对 $N$-体模拟中高昂的计算成本。
• 通过引入对星系组装偏差敏感的新统计量（如 $P_{\mathrm{U}}(s)$ 和 $M(s)$），提升宇宙学参数的约束精度。
• 测试这些新统计量在打破参数退化关系和提升宇宙学推断精度方面的有效性。
• 通过结合模拟的超越标准统计量与灵活的晕占有分布及环境依赖的组装偏差模型，实现准确、快速且灵活的宇宙学推断。

提出的方法

• 基于 Aemulus 宇宙学 $N$-体模拟套件构建高斯过程模拟器，以预测广泛宇宙学与星系偏置参数空间中的星系聚类统计量。
• 模拟五种星系聚类统计量：$w_{\mathrm{p}}(r_{\mathrm{p}})$、$\xi_0(s)$、$\xi_2(s)$、$P_{\mathrm{U}}(s)$ 和 $M(s)$，其中后两者对局部环境和组装偏差敏感。
• 利用模拟器对宇宙学参数（$\Omega_\mathrm{m}$、$\sigma_8$、$f\sigma_8$）和星系偏置参数（HOD 与组装偏差）进行基于似然的推断，先验信息由模拟提供。
• 通过注入基准宇宙学与 HOD 参数执行恢复测试，逐步增加可观测量，评估后验约束的精度。
• 应用协方差矩阵平滑技术，以减轻后验采样中由噪声引起的伪影，提升收敛性与可靠性。
• 整合灵活的环境依赖组装偏差模型，以捕捉晕占有对局部密度的依赖性，增强对小尺度聚类的敏感性。

实验结果

研究问题

• RQ1 与标准统计量相比，超越标准的聚类统计量（如 $P_{\mathrm{U}}(s)$ 和 $M(s)$）在多大程度上提升了宇宙学约束精度？
• RQ2 非线性区域（$0.1{-}50\,h^{-1}\mathrm{Mpc}$）中包含多少未被大尺度聚类捕获的宇宙学信息？
• RQ3 引入对环境敏感的统计量是否能打破宇宙学参数、HOD 参数与组装偏差参数之间的退化关系？
• RQ4 在噪声较大或采样不足的区域，模拟器性能如何受不同协方差矩阵处理方式的影响？
• RQ5 每种聚类统计量对 $\sigma_8$、$\Omega_\mathrm{m}$ 和 $f\sigma_8$ 约束精度的相对贡献是什么？

主要发现

• 与仅使用标准统计量相比，引入 $P_{\mathrm{U}}(s)$ 和 $M(s)$ 可使 $\sigma_8$ 的宇宙学约束精度提高 33%。
• 当在分析中加入超越标准的统计量时，$\Omega_\mathrm{m}$ 的约束精度提升 28%，$f\sigma_8$ 的约束精度提升 18%。
• 小于 $4\,h^{-1}\mathrm{Mpc}$ 的尺度所包含的宇宙学信息量与大尺度相当，凸显了小尺度建模的重要性。
• 对密度敏感的统计量 $P_{\mathrm{U}}(s)$ 和 $M(s)$ 显著提升了对晕占有分布（HOD）和组装偏差参数（尤其是 $f_{\mathrm{env}}$ 和 $\sigma_{\mathrm{env}}$）的约束精度。
• 灵活的组装偏差建模与超越标准统计量的模拟相结合，有效打破了宇宙学参数、HOD 与组装偏差参数之间的退化关系。
• 协方差矩阵平滑显著提升了后验采样稳定性，尤其在行为异常的模型中；然而，仍存在一些伪模，表明残余采样挑战或真实存在的退化关系可能持续存在。