从星系团丰度中提取宇宙学信息：基于模拟推断的方法

星系团随质量和红移的丰度是众所周知且强大的宇宙学探针。基于星系团数量计数的宇宙学分析传统上依赖于显式计算的似然函数，这些似然函数往往在达到所需精度方面具有挑战性，并且计算成本高昂。本文实现了一种基于模拟推断（SBI）方法的替代方案，该方法仅依赖于在给定模型下生成的合成星系团目录。相较于开发和验证似然函数，生成这些目录更为容易。我们在星系图survey的上下文中验证了这一方法，其中我们可以对比评估一个精确的显式似然。我们发现，基于SBI的方法得到的宇宙学参数后验均值与基于显式似然的结果相差不到$0.2\sigma$，偏差小于$0.1\sigma$。我们还引入并验证了一种仅使用类似训练所用的合成目录来评估拟合优度的程序。这首次表明，星系团数量计数宇宙学分析可以在任何阶段都无需依赖似然函数即可完成。最后，我们将SBI方法应用于真实的Planck MMF3宇宙样本，得到的宇宙学参数约束与基于似然的方法结果相差不到$0.1\sigma$。这构成了首次针对真实星系团目录进行的基于SBI的方法的数值计数宇宙学分析。