大尺度结构观测量的超样本协方差的快速简易近似
摘要
我们提出了一种数值代价低廉的大尺度结构宇宙学探针超样本协方差（SSC）近似，首先针对角功率谱的情形。除用于所考虑探针预测所需的元素外，它不需要任何新元素，从而免除了分析流水线开发完整 SSC 建模的负担，并降低了计算负载。该近似在精细红移 bins 时渐近精确。我们进一步展示了如何在高斯似然或 Fisher 矩阵预测层面实现它，作为对高斯情形的快速修正而无需构建大型协方差矩阵。对一个类 Euclid 巡天的数值应用表明，与完整 SSC 计算相比，该近似很好地恢复了 CDM 宇宙学模型下宇宙学参数的信噪比以及 Fisher 预测。此外，它允许快速预测哪些参数将最受 SSC 影响以及影响的程度。在类 Euclid 规格的光度星系成团性情形下，我们发现 、 和暗能量状态方程 受到特别严重的影响。我们最后展示了如何将近似推广到角谱以外的探针（相关函数、计数和双谱），并在似然层面允许后者在需要时为非高斯的。我们在 https://github.com/fabienlacasa/PySSC 公开发布了一个实现 SSC 近似的 Python 模块以及一个重现文章图的 notebook。
引用
@article{arxiv.1809.05437,
title = {Fast and easy super-sample covariance of large scale structure observables},
author = {Fabien Lacasa and Julien Grain},
journal= {arXiv preprint arXiv:1809.05437},
year = {2019}
}
备注
9+4 pages, 3+1 figures. Answered referee's comments, generalised to include other non-Gaussian covariance terms, added tabulated data on redshift and scale dependence of the response, and most importantly added a public code to implement our method: https://github.com/fabienlacasa/PySSC