量化已知未知因素对推断高红移星系性质的影响：暴发性、初始质量函数与星云物理

詹姆斯·韦伯空间望远镜（James Webb Space Telescope）时代将恒星种群模型带入未知领域，尤其在高红移前沿。在 companion paper（ companion 论文）中，我们应用 \texttt{Prospector} 贝叶斯框架，作为 UNCOVER 巡天的一部分，从宽带测光联合推断星系红移与恒星种群性质。本文我们给出光谱能量分布（SED）建模中全面的误差预算。使用选出的测光红移高于 9 的样本，我们量化了各种模型选择在推断恒星质量、恒星形成率（SFR）与年龄上引发的系统性偏移。这些选择涵盖恒星形成历史（SFH）变化的不同时间尺度、非普适恒星初始质量函数（IMF），以及可变星云丰度、气体密度与电离光子预算的纳入。我们发现 IMF 对推断性质影响最强：系统性不确定度在质量与 SFR 上可达 1 dex，比正式报道的不确定度大 2–5 倍；且重要的是，超过了使用不同 SED 拟合代码时的散布。尽管 IMF 低端的假设引发简并，我们的发现表明，文献中通过比较多代码来评估 SED 拟合过程不确定度的常见做法实质上低估了真实系统性不确定度。高度随机的 SFH 使推断的 SFH 变化远大于正式不确定度，并在短时标平均 SFR 上引入 $\sim 0.8$ dex 系统性偏差，在平均年龄上引入 $\sim 0.3$ dex 系统性偏差。最后，采用灵活的星云发射模型导致质量与 SFR 上 $\sim 0.2$ dex 的系统性增加，与正式不确定度相当。本文构成了迈向 SED 建模完整不确定度估计的初步步骤。