CARPool：通过配对高代价与廉价宇宙学模拟实现大尺度结构统计的快速精确计算

为发挥下一代大尺度结构巡天的威力，需要数值模拟的集合以给出观测统计量的准确理论预测。高保真模拟的计算代价极为高昂。因此，近似但快速的模拟（代理模型）被广泛使用，以速度换取引入的模型误差。我们提出一种通用方法，利用模拟与代理模型间的相关性，以仅数个模拟的代价快速、低方差地计算大尺度结构观测量的统计量且无模型误差。我们称此方法为回归与合并加速收敛（CARPool）。在刻意极少调参的数值实验中，我们将 CARPool 应用于少量 GADGET-III $N$-体模拟，并与使用共动拉格朗日加速（COLA）计算的代理模型配对。我们发现即便在非线性的 $k_\mathrm{max} \approx 1.2$ $h {\rm Mpc^{-1}}$ 以内，物质功率谱的方差也可降低约 $100$ 倍。CARPool 对物质双谱也实现了类似改进。在近乎线性的区域，CARPool 获得了远更大的样本方差缩减。通过与 Quijote 套件的 15,000 次模拟比较，我们验证了 CARPool 估计是无偏的，正如构造所保证，尽管代理模型在高 $k$ 处偏离模拟真值达 $60\%$。此外，即便是如非线性物质密度概率密度函数这类完全位形空间的统计量，CARPool 也能在无任何进一步调参下实现高达约 $\sim 10$ 的无偏方差缩减。反之，CARPool 也可通过将快速代理模型集合与少量高精度模拟结合，消除其模型误差。