宇宙学证据建模：一种在非线性尺度上约束宇宙学的新模拟方法

从非线性尺度（$\lesssim 10 h^{-1} \mathrm{Mpc}$）上的星系-星系和星系-物质相关函数中提取精确的宇宙学信息需要宇宙学模拟。此外，还必须对星系-晕联系的若干冗余参数进行边缘化处理。然而，此类模拟的计算成本使得诸如马尔可夫链蒙特卡洛（MCMC）等随机后验采样方法的直接实现变得不可行，因为后者需要在宇宙学参数空间中采集约 $\mathcal{O}(10^6)$ 个样本。几个研究小组已提出替代模型作为解决方案：即训练一个所谓的仿真器，以重现参数空间中有限数量实现下的可观测量。随后，该仿真器在MCMC分析中被用作替代模型。在此，我们展示一种不同的方法，称为宇宙学证据建模（CEM）。首先，对于每次模拟，我们通过反复用星系填充模拟，计算出对星系-晕联系边际化的贝叶斯证据。我们指出，该贝叶斯证据与宇宙学参数的后验概率直接相关。最后，我们构建了一个物理驱动的模型，用于描述证据如何依赖于模拟所采样的宇宙学参数。我们通过使用Aemulus模拟套件中的模拟，并预测来自BOSS CMASS红移空间畸变测量的宇宙学约束，证明了CEM的可行性。我们的分析包括探索星系组装偏差如何影响宇宙学推断。总体而言，与更常见的模拟汇总统计量的方法相比，CEM具有几个潜在优势，包括能够轻松地对高度复杂的星系-晕联系模型进行边际化处理，以及更高的精度，从而减少了所需的模拟数量。