提高基于星系图质量统计的快速近似N体模拟准确性

近似N体方法，如FastPM和COLA，已在模拟星系和星系聚类统计方面取得成功，但其在小尺度上的分辨率低，限制了需要高精度的应用。完全N体模拟可提供更好的准确性，但在快速探索宇宙学参数方面计算成本太高。本文提出了一种方法，用于纠正快速N体模拟中识别的不同星系图的属性，以提高各种星系图统计量的准确性。该方案寻求找到对星系图属性（如virial质量）进行经验性修正，使其与对应完全N体模拟中的星系图相同。经修正的星系图外部密度等势线基于FastPM设置以及星系图内部粒子数确定。该方法仅更改星系图查找器的一些参数，不需要额外的CPU开销。我们展示了FastPM模拟中调整后的星系图目录显著改善了从红移 $z=0.0$ 到 $1.0$ 期间星系图质量统计量的精度，并且我们的校准可应用于不同的宇宙学，而无需重新校准。