PolyBin3D：面向大尺度结构的最优且高效的功率谱与双谱估计器套件

通过对宇宙学数据集进行测量、建模和解释，可以对宇宙模型施加严格的约束。这一工作的核心是功率谱和双谱等汇总统计量，它们将高维数据压缩为低维表示。在本研究中，我们引入了一套现代估计器，用于从三维聚类数据中计算此类统计量，并提供了灵活的 Python/Cython 实现：PolyBin3D。在最大似然形式体系下，我们推导了二点和三点函数的一般估计器，无论巡天掩膜和加权方案如何，这些估计器都能产生无偏的谱。这些谱可以直接与理论进行比较，而无需进行掩膜卷积。此外，我们提出了一种计算给定巡天最优（最小方差）估计器的数值方案，该方案被证明能够减小大尺度上的误差棒。我们的 Python 包包含一般的“无窗”估计器及其理想化等价物（适用于模拟），两者均使用快速傅里叶变换和蒙特卡洛求和技巧高效实现，并额外支持使用 JAX 进行 GPU 加速。我们在本研究中对这些估计器进行了广泛验证，仅使用少量迭代次数（双谱通常 $<10$ 次）即可实现蒙特卡洛收敛（与掩蔽数据相关）。这将允许对当前和未来的巡天数据进行快速且统一的二点和三点函数测量。