$\texttt{matryoshka}$ II：加速星系功率谱的有效场论分析

在本文中，我们提出了基于神经网络的模拟器套件 $\texttt{matryoshka}$ 的扩展。新版本旨在加速红移空间中星系功率谱多极的 EFTofLSS（大尺度结构有效场论）分析。它们被统称为 $\texttt{EFTEMU}$。我们在功率谱层面对 $\texttt{EFTEMU}$ 进行了测试，在 BOSS 类偏置参数与抵消项、尺度 $0.001\ h\ \mathrm{Mpc}^{-1} \leq k \leq 0.19\ h\ \mathrm{Mpc}^{-1}$ 上取得了优于 1% 的预测精度。我们还运行了一系列模拟全形状分析，以测试 $\texttt{EFTEMU}$ 在执行参数推断时的性能。通过这些模拟分析，我们验证了 $\texttt{EFTEMU}$ 在多个红移（$z=[0.38,0.51,0.61]$）与多个噪声水平（最严格者为与体积 $5000^3 \ \mathrm{Mpc}^3 \ h^{-3}$ 相关的高斯协方差）下在 $1\sigma$ 内恢复真实宇宙学。我们将 $\texttt{EFTEMU}$ 的模拟推断结果与完全解析的 EFTofLSS 模型所得结果进行比较，再次未发现显著偏差，同时将推断速度提升了三个数量级。$\texttt{EFTEMU}$ 作为 $\texttt{matryoshka}$ $\texttt{Python}$ 包的一部分公开可用。