使用神经网络模拟器对BOSS空洞-星系交叉相关函数进行建模

我们引入一种基于模拟器的方法，用于建模宇宙学空洞与星系的交叉相关。该方法允许我们对宇宙学对空洞寻找和空洞-星系交叉相关函数形状的影响进行建模，较前的方法在此方面具有优势。我们利用AbacusSummit模拟套件训练神经网络，并拟合来自Sloan Digital Sky Survey Baryon Oscillation Spectroscopic Survey样本的数据。我们通过红移畸变(RSD)恢复结构生长信息，通过Alcock-Paczynski(AP)效应恢复宇宙几何学信息，测得 $\Omega_{\rm m} = 0.330\pm 0.020$ 和 $\sigma_8 = 0.777^{+0.047}_{-0.062}$ 对应 $\Lambda \rm{CDM}$ 宇宙学。与基于模板的方法结果比较，我们发现拟合空洞-星系交叉相关函数的形状提供了更多信息，约束能力得到改善。相比之下，我们发现若假设空洞中心对AP效应的响应与星系相同（一种常见的简化），则先前对AP测量误差的估计被低估了。总体而言，我们的方法对 $\Omega_{\rm{m}}$ 降低了约28%的误差，对 $\sigma_8$ 也实现了类似的误差降低。鉴于未来调查（包括DESI和Euclid）的统计力量，我们预计所述方法将成为这些数据中空洞分析的新基准。