用解析控制变量减缓 DESI 模拟的样本方差

为用新一代星系实验回答与宇宙膨胀历史及其原初性质相关的基本问题，我们需要可靠地建模大尺度结构观测量，如相关函数与功率谱。宇宙学 $N$ 体模拟提供了检验模型的基准，但其输出在 large scales 受样本方差影响。幸运的是，此 regime 存在精确解析近似。为降低方差（最优利用这些模拟的关键），我们可利用此类解析描述之准确与精密，采用控制变量（CV）。控制变量之威力源于使用所测统计的廉价但高度相关的替代量。替代量与目标统计相关性越强，方法所降方差越大。我们将两种控制变量公式应用于为即将到来的暗能量光谱仪（DESI）数据预生成的模拟星表，以检验其分析管线鲁棒性。我们的 CV 缩减测量相较原始测量在测量误差上带来 5-10 倍改进。我们探究了决定此改进的星系样本相关性质，并评论了在与重子声学振荡（BAO）分析相关的某些导出量上发现的改进。我们还提供了一个优化包，用于计算任意星系星表的功率谱及其他两点统计，以及一条在任意 AbacusSummit 立方盒输出上获得 CV 缩减测量的管线。我们公开了脚本，并报告对于网格尺寸 $N_{\rm mesh} = 256^3$，相较 \texttt{nbodykit} 有 $\sim$10 倍速度提升。