[论文解读] VIDE: The Void IDentification and Examination toolkit

P. M. Sutter, Guilhem Lavaux+8 more|arXiv (Cornell University)|Jun 4, 2014

Galaxies: Formation, Evolution, Phenomena参考文献 60被引用 4

一句话总结

VIDE 是一个开源的 Python/C++ 工具包，使用改进的基于 Voronoi 的分水岭算法，用于在星系红移巡天和 N-body 模拟中识别和分析宇宙空洞。它能够实现鲁棒的空洞检测、分层目录化以及对空洞属性、成员粒子和聚类统计的全面分析，在宇宙学和天体物理学中有广泛应用。

ABSTRACT

We present VIDE, the Void IDentification and Examination toolkit, an open-source Python/C++ code for finding cosmic voids in galaxy redshift surveys and N-body simulations, characterizing their properties, and providing a platform for more detailed analysis. At its core, VIDE uses a substantially enhanced version of ZOBOV (Neyinck 2008) to calculate a Voronoi tessellation for estimating the density field and a performing a watershed transform to construct voids. Additionally, VIDE provides significant functionality for both pre- and post-processing: for example, vide can work with volume- or magnitude-limited galaxy samples with arbitrary survey geometries, or dark matter particles or halo catalogs in a variety of common formats. It can also randomly subsample inputs and includes a Halo Occupation Distribution model for constructing mock galaxy populations. VIDE uses the watershed levels to place voids in a hierarchical tree, outputs a summary of void properties in plain ASCII, and provides a Python API to perform many analysis tasks, such as loading and manipulating void catalogs and particle members, filtering, plotting, computing clustering statistics, stacking, comparing catalogs, and fitting density profiles. While centered around ZOBOV, the toolkit is designed to be as modular as possible and accommodate other void finders. VIDE has been in development for several years and has already been used to produce a wealth of results, which we summarize in this work to highlight the capabilities of the toolkit. VIDE is publicly available at http://bitbucket.org/cosmicvoids/vide public and http://www.cosmicvoids.net.

研究动机与目标

• 为宇宙学数据集中的宇宙空洞识别与分析提供可扩展、可扩展且面向社区的工具包。
• 解决观测和模拟数据中缺乏公开可用、鲁棒且文档齐全的空洞查找工具的问题。
• 支持多种数据格式，包括星系目录、暗物质粒子和晕目录，并具备灵活的巡天几何处理能力。
• 支持详细的后期处理分析，如聚类统计、轮廓拟合、叠加分析以及与外部数据集的交叉相关性分析。
• 作为一个模块化平台，可集成核心 ZOBOV 算法之外的其他空洞查找算法。

提出的方法

• 采用大幅增强的 ZOBOV 算法版本，计算 Voronoi 密铺以准确估计密度场。
• 应用分水岭变换对密度场进行分割，并基于势场中的局部极小值识别空洞。
• 利用分水岭层级结构将空洞组织成分层树状结构，支持多尺度分析。
• 支持体积限和星等限的星系样本，适用于任意巡天几何，包括复杂轮廓。
• 提供 Python API 用于加载、过滤、绘图和分析空洞目录及其成员粒子。
• 与晕占有分布（HOD）模型集成，用于生成模拟星系群体，以支持合成空洞研究。

实验结果

研究问题

• RQ1 在具有不同深度和完整性的复杂非均匀巡天几何中，如何鲁棒地识别宇宙空洞？
• RQ2 在不同红移下，暗物质和星系分布中的空洞在关键统计和形态学特性上有哪些表现？
• RQ3 空洞属性（如大小、形状和密度轮廓）如何与大尺度结构及宇宙学参数相关联？
• RQ4 空洞在多大程度上可通过其聚类、引力透镜或 ISW 信号作为宇宙学探针？
• RQ5 如何设计空洞查找工具，使其具备模块化、可扩展性，并支持未来研究需求的社区扩展？

主要发现

• VIDE 在真实星系红移巡天和 N-body 模拟中均能以高速度和高鲁棒性识别空洞，即使在复杂巡天几何中亦表现优异。
• 该工具包能够准确表征空洞属性，包括天球位置、形状、大小以及分层树状结构。
• VIDE 支持提取成员粒子及其空间体积，促进对低密度环境中星系属性的深入研究。
• 该平台支持高级分析，如聚类统计、叠加分析，以及将通用 HSW 密度轮廓拟合到理论预测。
• VIDE 已被用于产生一系列科学成果，包括空洞-星系交叉相关性研究和宇宙学参数约束。
• 该工具包具备可扩展性和模块化特性，支持未来集成其他空洞查找算法，并增强功能如角度选择函数和二维聚类统计。