利用 k 近邻统计从非线性尺度进行稳健宇宙学推断
宇宙学与河外天体物理
2023-10-11 v2
摘要
我们提出了利用 k 近邻（kNN）统计从非线性尺度（<50Mpc/h）导出准确可靠宇宙学约束的方法论。我们详述了选择稳健最小尺度截断与验证星系-晕连接模型的方法。利用交叉验证，我们确定了能保证在多种汇总统计量上均良好拟合且无偏预测的星系-晕模型。我们证明可有效建模 kNN 至横向尺度 rp ~ 3Mpc/h，并对物质密度与成团振幅获得精确无偏约束，从而对 sigma_8 给出 2% 的约束。我们基于模拟的模型流水线对 varied 模型系统误差具有韧性，涵盖模拟代码、晕找寻与宇宙学先验。我们通过应用于 Beyond-2p 模拟挑战展示了该方法的有效性。我们提议进一步探索以检验更复杂的星系-晕连接模型并处理潜在观测系统误差。
引用
@article{arxiv.2310.04501,
title = {Robust cosmological inference from non-linear scales with k-th nearest neighbor statistics},
author = {Sihan Yuan and Tom Abel and Risa H. Wechsler},
journal= {arXiv preprint arXiv:2310.04501},
year = {2023}
}
备注
18 pages, 16 figures, submitted to MNRAS, comments welcome