SUNBIRD：一种基于模拟的全形状密度分裂聚类模型

结合来自不同环境密度区域的星系聚类信息，有助于打破宇宙学参数简并，并获取密度场中标准两点相关函数（2PCF）分析不易捕捉的非高斯信息。然而，将这些密度依赖统计量建模至非线性区域迄今仍具挑战。我们提出了一种基于模拟的模型，能够捕捉密度分裂聚类（DSC）统计量全形状在宇宙学上的依赖性，直至晕内尺度。我们的模型基于神经网络仿真器，这些仿真器在扩展-ΛCDM 框架内的高保真模拟星系目录上训练，并纳入红移空间、Alcock-Paczynski 畸变以及晕-星系连接模型的影响。我们的模型在低至 $1\,h^{-1}{\rm Mpc}$ 的尺度上达到亚百分之一精度，且对不同的晕-星系连接建模选择具有鲁棒性。当与星系 2PCF 结合时，DSC 相比仅用 2PCF 的分析可分别将 $\omega_{\rm cdm}$、$\sigma_8$ 和 $n_s$ 的约束收紧 2.9、1.9 和 2.1 倍。DSC 还对基于环境的装配偏置参数给出强约束。我们的代码已在 Github 上公开。