非线性星系成团中的参数推断：理论不确定性的考量

我们将物质功率谱非线性修正的模拟器 EuclidEmulator（第一版）集成到 MCMC 预测代码 MontePython 中。针对不同的宇宙学模型以及不同的星系功率谱波数截断，我们在功率谱预测层面和宇宙学参数后验概率分布层面比较了 Halofit、HMCode 和 EuclidEmulator1 的性能。我们确认，在进行宇宙学参数预测时，功率谱预测器的选择对计算得到的灵敏度具有不可忽略的影响，即便采用 $0.2\,h\,{\rm Mpc}^{-1}$ 的保守波数截断也是如此。我们发现，EuclidEmulator1 对宇宙学参数的灵敏度平均比其他两个代码高出至多 $17\%$，其中最显著的改进针对哈勃参数（至多 $42\%$）和暗能量状态方程（至多 $26\%$），具体取决于情形。此外，我们指出，在进行参数估计时，功率谱预测器的选择会导致计算出显著偏倚的平均宇宙学的风险。对于四个测试场景，我们发现各宇宙学参数的平均偏倚在 0.5 至 2$\sigma$ 之间（单个参数从低于 $1\sigma$ 到高达 $6\sigma$）。本文提供了一个概念验证：通过考虑一个精心设计的理论不确定性，可以降低该风险，因为在所考察的情形下，这能将偏倚减小 2 至 5 倍，同时保持较小的后验可信区间：所有情况下标准差的放大倍数均不超过 $\leq1.4$。