光度动力学的极限：星系团弛豫诊断的基准测试

星系团是宇宙学和结构形成的关键探针，然而其动力学分类传统上依赖于光谱红移，这种方法无法随巡天规模的扩大而高效扩展。随着LSST等大型光度巡天的出现，光度红移提供了一种有吸引力的替代方案，但其对基于速度的诊断方法的影响仍未得到充分约束。我们量化了两种高斯性诊断方法——Anderson-Darling (AD)检验和高斯混合模型(Mclust)——对不同光度红移误差设定的敏感性。通过将高斯和Student-t不确定性传播到SDSS光度速度分布中，我们评估了误差模型如何影响对由独立Γ形态学代理所确定的星系团动力学状态的恢复。利用1672个具有先前Γ值的SDSS星系团，我们在高斯和Student-t误差下进行了蒙特卡洛重采样，后者模拟重尾不确定性和灾难性异常值，并辅以一项使用来自光谱数据构建的模拟光度红移的光谱对照实验。在高斯误差下，弛豫星系团在约95%的模拟中被恢复，而非弛豫星系团仅约5%，显示出向弛豫分类的强烈偏差。Student-t误差将弛豫恢复率降至约60-70%，并将非弛豫恢复率提高至约30-45%，但仍不完整。配对Wilcoxon检验证实这些差异是显著的。这对大型光度巡天具有直接影响：主要基于光度数据的动力学研究，若无稳健的光谱校准、异常值缓解以及使用逼真的模拟星表的验证，可能会显著低估受扰星系团的比例。