内禀排列与源聚类的非线性注入：对非高斯宇宙剪切统计的影响

星系内禀排列（IA）是宇宙剪切测量的关键次级信号之一，必须对其进行建模以解释弱透镜数据并推断正确的宇宙学。IA 的物理描述存在很大的不确定性，而对于超出两点函数之外的弱透镜统计，解析计算通常难以实现。我们在此提出了一组六种灵活的 IA 模型，将其直接注入由质量壳层、投影潮汐场以及可选的暗物质晕目录构建的弱透镜模拟中。我们从非线性线性排列（NLA）开始，逐步精细化星系偏置和潮汐耦合模型，包括常用的扩展 NLA（也称为 e-NLA 或 $\delta$-NLA）以及潮汐扭矩（TT）模型。我们通过两点剪切统计的 MCMC 分析验证了这些方法，随后计算了这些目录以及重构收敛图对非高斯宇宙剪切探测的影响。我们发现 $\delta$-NLA 模型对大多数探测的影响最大，有时强度是 NLA 的两倍以上。我们还在欠密区域观察到 IA 模型之间的巨大差异，这使得极小值、空洞轮廓和透镜 PDF 成为模型拒绝的最佳探测手段。此外，我们的偏置模型允许我们分别研究每个探测的源聚类项，发现与现有文献吻合良好，并将结果扩展到这些新探测。三阶孔径质量统计（$M^3_{ap}$）和积分三点函数在包含低红移数据时对此特别敏感，对数据向量的影响通常超过 20%。我们的 IA 模型易于实现，并可从单一模拟的 IA 注入星系目录中进行缩放，从而实现快速的模型探索。