次星系偏移通过宇宙时间 II：利用聚类信息重建星系性质

在基于近似、校准或机器学习方法生成的暗物质星系目录构建星系模拟目录时，为此类轨迹分配内在性质是一个至关重要的步骤，因为这些性质会塑造模拟星系群的丰度以及模拟星系的空间分布。我们探讨了在校准/学习方法的背景下，是否可以仅利用星系聚类信息来分配暗物质星系的性质。目标是仅基于星系分布的相位空间性质和暗物质密度场来重建次星系偏移信号。该算法重建了一组星系性质（如视锥质量、最大圆形速度、浓度和自转），以约束既能再现主偏移，也能再现次偏移（或装配）偏移。该算法的关键要素是实现单个大尺度有效偏移、考虑星系排斥的多尺度方法以及星系性质的分层分配。该方法旨在复制大尺度有效偏移，包括主偏移和次偏移，从而改进了文献中以往的方法，尤其是在高质量人群中。我们设计了一种策略，用于通过校准/学习算法获得的暗物质星系的主要性质，以一种方式实现该性质：预期的一和二点统计数据（在大尺度上）复制来自详细 N 体模拟的信号。我们鼓励采用这种策略（或实现我们的算法）来生成基于近似方法的暗物质星系模拟目录。