用于莱曼-α一维通量功率谱的神经网络模拟器

莱曼-α森林为研究高红移宇宙中的物质分布并提取关于暗物质性质、中微子质量及其他 ΛCDM 扩展的精确约束提供了独特途径。然而,解释该观测量需要精确建模星系际介质的热力学与电离状态,因此需借助计算昂贵的流体动力学模拟。本工作中,我们构建了一个神经网络,作为一维 \lya 通量功率谱($P_{\rm 1D}$)的快速预测替代模型,从而使该观测量的贝叶斯推断可行。我们的模拟技术基于将 $P_{\rm 1D}$ 建模为线性物质功率谱斜率与振幅的函数,而非宇宙学参数的函数。我们表明,我们的模拟器在所考虑的全尺度范围($k_{\parallel }=0.1$ 至 4Mpc$^{-1}$)与红移范围($z=2$ 至 4.5$)内,以及对训练集中未包含的三种 ΛCDM 扩展:大质量中微子、谱指数跑动与曲率,均达到亚百分精度。此外,我们表明,对于训练集中未出现的电离与热力学历史,其表现处于 1$k_{\parallel}$=8Mpc$^{-1}$ 时表现处于百分水平。这些结果证实了我们的模拟策略即使在训练阶段未显式纳入的宇宙学与再电离历史下也能提供准确预测的有效性,我们期望其在 DESI 巡天的宇宙学分析中发挥关键作用。