FastPM：一种用于暗物质与暗晕快速模拟的新方案

我们介绍 FastPM，一种高度可扩展的近似粒子网格 N 体求解器，它实现了粒子网格 (PM) 方案，通过修正的 kick 和 drift 因子强制正确的线性位移 (1LPT) 演化。采用二维域分解方案，FastPM 在极大量 CPU 下扩展性极好。与 COmoving-LAgrangian (COLA) 方法相比，我们不需要拆分力或单独追踪 2LPT 解，降低了代码复杂度和内存需求。我们将具有不同步数 ($N_s$) 和力分辨率因子 ($B$) 的 FastPM 与三个基准进行对比：来自 Friends of Friends 晕找算法的晕质量函数、晕和暗物质功率谱，以及相对于高分辨率 TreePM 模拟的互相关系数（或随机性）。我们显示，在相同步数和力分辨率下，修正的时间步进方案相比 COLA 降低了晕随机性。虽然增加 $N_s$ 和 $B$ 改善了转移函数和互相关系数，但对于许多应用 FastPM 在低 $N_s$ 和 $B$ 下即达到足够精度。例如，$N_s=10$ 和 $B=2$ 模拟相对于 $N_s=40$、$B=3$ 模拟节省了可观的计算时间（因子 10），然而在 $z=0$ 时晕基准非常相似。我们发现对于丰度匹配晕，即使 $N_s=5$ 随机性也保持较低。FastPM 与较便宜的方案相比表现良好，对于 $N_s=10$ ($N_s=5$) 仅比 2LPT 初始条件生成器贵 7 (4) 倍。FastPM 可用于的一些应用包括生成大量模拟样本、产生非线性统计量（其中改变大量干扰或宇宙学参数），或作为初始条件求解器的一部分。