用 FLAMINGO 模拟验证经验模型的聚类预测

背景。模拟星系目录是正确解释当前及未来星系调查的关键。尽管其在星系形成和宇宙学中的重要性已得到广泛认可，但对于这些模拟的高阶聚类统计的预测，几乎没有进行过验证。目标。我们比较了最新一代用于创建星系模拟目录的经验模型的预测能力：一个具有13个参数的 Halo Occupation Distribution (HOD) 和 SubHalo Abundance Matching 技术 (SHAMe) 的一个扩展版本。方法。我们构建了 GalaxyEmu-Planck，一个能够精确预测两点关联函数、星系-星系透镜（限制在距离大于 1 $h^{-1} {\rm Mpc}$ 以避免质子效应）以及其他高阶统计的模拟器。结果。我们使用从 FLAMINGO 气动力学模拟中提取的两个星系样本（模仿 DESI-BGS 和 BOSS 星系）来评估 GalaxyEmu-Planck 的精度，发现该模拟器精确地再现了所有预测的统计量。HOD 在拟合星系聚类和星系-星系透镜方面表现相当。相比之下，SHAMe 模型在高阶统计方面表现更好，特别是关于星系组装偏差方面。我们还测试了去除模型部分扩展后的性能，发现可以去除两个 HOD 参数而不会影响性能。结论。本文的结果验证了当前一代经验模型作为再现星系聚类、星系-星系透射和其他高阶统计的方法。拥有少量自由参数的 SHAMe 模型的优异性能表明，这是一种从星系聚类中提取宇宙学约束的有效方法。