超慢滚动下的随机场动力学：噪声建模与重要抽样

我们模拟了在包含幂谱显著增强的原始密度场模型中产生的极少数大幅偏离的分布。采用随机 $\delta \mathcal{N}$ 形式化手段，以第一通越时间分布 $P(\delta \mathcal{N})$ 确定原始曲率扰动的概率分布，并将结果与经典 $\delta \mathcal{N}$ 方法得到的结果进行比较。我们扩展了 PyFPT 数值代码以模拟完整的二维相空间，并应用重要抽样技术，在单个 CPU 上仅需约 $10$ 分钟即可模拟极少数波动，而以往的直接模拟需要超级计算机。我们表明，超慢滚动后量子涨落引起的随机噪声可准确地通过解析的 Bessel 函数解答来建模，以识别均匀的增长模式。这种随机噪声仅依赖于场值。这使得我们可以在哈勃尺度上粗糟化简气体场，并在所有超哈勃尺度上包含非线性随机演化。