基于 Quijote 模拟套件的原初非高斯性场级推断

局部原初非高斯性, 参数化为 $f_{\rm NL}^{\rm local}$, 将通过应用于下一代星系红移 survey 数据的当代方法进行严格约束。本文我们首次演示了在真实的halo目录上进行 $f_{\rm NL}^{\rm local}$、 nuisance 参数以及初始条件的联合场级推断, 这些halo目录是通过完整的仅暗物质 $N$-body 模拟生成的。场级推断算法通过贝叶斯正向建模方法在场级最佳约束 $f_{\rm NL}^{\rm local}$, 通过在所考虑尺度上充分利用数据的统计功效显著优于传统方法。此外, 我们考察了正向模型中的各种设计选择, 包括结构形成模型和分辨率的测试。我们通过对 Quijote 模拟套件的子集进行推断, 在 $k_{\rm max} \approx 0.1 h \rm{Mpc}^{-1}$ 的尺度上实现推断。我们发现, 与功谱和双谱估计器相比, 使用 \borg{} 方法在边缘化初始条件和偏置参数后, 可实现 $\sim1.3$ 的 $\sigma(f_{\rm NL}^{\rm local})$ 改进。从小尺度信息灵敏度测试看, 我们表明 $f_{\rm NL}^{\rm local}$ 的约束随推断分辨率的提升而改善。这些发现凸显了场级推断的变革性潜力, 以充分利用正在进行的 survey 中的信息, 如 \textit{Euclid}, 提供关于宇宙膨胀和驱动其的场数目的准确洞见。