基于非线性、尺度依赖及随机偏倚示踪物的宇宙密度场贝叶斯推断

我们提出了一种贝叶斯重构算法，旨在从晕星表（halo catalogues）中生成底层暗物质场的无偏样本。我们的新贡献在于实现了一种非泊松似然函数，其中包含了确定性的非线性和尺度依赖偏倚。特别是，我们提出了负二项（NB）概率分布函数的哈密顿运动方程。这使得我们能够利用 Argo 代码中实现的哈密顿蒙特卡洛技术，根据星系样本有效地对密度场的后验分布函数进行采样。我们使用红移$z = 0$处的 Bolshoi $N$体模拟测试了该算法，从具有小于和大于 1 的偏倚的晕星表子样本中推断出底层暗物质密度场。我们的方法表明，我们可以从后验分布中抽取 closely 无偏的样本（在 1-$\sigma$范围内兼容），其尺度在功率谱和单元间相关性方面可达约$k$~1 h/Mpc。我们发现，泊松似然产生的重构结果在$k$=0.2 h/Mpc 处的功率谱偏差超过 10%。我们的重构算法特别适用于发射线星系数据，对于此类数据，超越泊松性的复杂非线性随机偏倚处理变得不可或缺。