用机器学习与符号回归建模组装偏倚

即将开展的21cm巡天将以前所未有的体积绘制宇宙中性氢（HI）的空间分布。需要模拟星表来充分挖掘这些巡天的潜力。用于创建这些模拟星表的标准技术，如晕占据分布（HOD），依赖于诸如暗物质晕的重子性质仅取决于其质量等假设。在这项工作中，我们使用最先进的磁流体动力学模拟IllustrisTNG表明，晕的HI含量对其局部环境表现出强烈依赖。然后我们使用机器学习技术表明，这种效应可以1）被这些算法建模，以及2）以新颖解析方程的形式参数化。我们为该环境效应提供了物理解释，并表明忽略它会导致在 $k\gtrsim 0.05$ h/Mpc 处真实空间21厘米功率谱被低估 $\gtrsim$10\%，这大于即将开展的巡天在此大尺度上的预期精度。我们将数值模拟与机器学习技术相结合的方法具有通用性，并为建模与参数化组装偏倚的复杂物理开辟了新方向，这是为星系与谱线强度映射巡天生成精确模拟星表所必需的。