🔭 astrophysics

The DESI DR1 Peculiar Velocity Survey: growth rate measurements from the maximum likelihood fields method

本文利用最大似然场方法，结合 DESI DR1 数据、基本平面和 Tully-Fisher 关系构建了包含 4 万余个本动速度测量的新样本，测得有效红移 $z=0.07$ 处的结构增长率 $f\sigma_8 = 0.450 \pm 0.055$ ，该结果与 $\Lambda$ CDM 宇宙学模型及广义相对论预测一致。

原作者： Y. Lai, C. Howlett, J. Aguilar, S. Ahlen, A. J. Amsellem, J. Bautista, S. BenZvi, D. Bianchi, C. Blake, D. Brooks, A. Carr, T. Claybaugh, T. M. Davis, A. de la Macorra, P. Doel, K. Douglass, S. Ferrar

发布于 2026-04-13

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Y. Lai, C. Howlett, J. Aguilar, S. Ahlen, A. J. Amsellem, J. Bautista, S. BenZvi, D. Bianchi, C. Blake, D. Brooks, A. Carr, T. Claybaugh, T. M. Davis, A. de la Macorra, P. Doel, K. Douglass, S. Ferraro, A. Font-Ribera, J. E. Forero-Romero, E. Gaztañaga, G. Gutierrez, J. Guy, H. K. Herrera-Alcantar, D. Huterer, M. Ishak, R. Joyce, A. Kim, D. Kirkby, T. Kisner, A. Kremin, O. Lahav, C. Lamman, M. Landriau, L. Le Guillou, A. Leauthaud, M. E. Levi, M. Manera, P. Martini, A. Meisner, R. Miquel, J. Moustakas, A. Muñoz-Gutiérrez, S. Nadathur, W. J. Percival, C. Poppett, F. Prada, I. Pérez-Ràfols, F. Qin, C. Ross, G. Rossi, K. Said, E. Sanchez, D. Schlegel, M. Schubnell, H. Seo, J. Silber, D. Sprayberry, G. Tarlé, R. Turner, B. A. Weaver, P. Zarrouk, R. Zhou, H. Zou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是一次宇宙侦探行动，科学家们利用最新的“宇宙地图”（DESI 数据），试图解开一个关于宇宙如何“长大”的谜题。

为了让你更容易理解，我们可以把整个研究过程想象成测量一群正在奔跑的蚂蚁的速度。

1. 核心任务：宇宙在“长”得有多快？

想象宇宙是一个正在膨胀的气球，上面的星系就像气球表面的蚂蚁。

正常的膨胀：气球变大，蚂蚁之间的距离自然拉大（这是哈勃定律，宇宙在均匀膨胀）。
奇怪的奔跑：有些蚂蚁因为互相吸引（引力），会偏离原本的路线，额外跑几步。这种额外的速度叫**“本动速度” (Peculiar Velocity)**。

这篇论文的核心就是测量这些“额外奔跑”的速度。因为引力越强，蚂蚁跑得越急，宇宙结构（星系团）长得越快。通过测量这个速度，科学家就能检验我们的引力理论（爱因斯坦的广义相对论）是否正确，或者是否存在某种“暗能量”在捣乱。

2. 侦探的工具箱：DESI 望远镜

DESI (暗能量光谱仪)：就像是一个超级高速的照相机，安装在沙漠里的望远镜上。它一次能同时拍摄几千个星系的光谱。
DR1 (第一版数据)：这是他们收集到的第一批“大样本”。
- 他们找到了约 41.5 万 个星系的位置（就像给蚂蚁拍了大合照）。
- 他们还测量了约 7.6 万 个星系的“本动速度”（就像给其中一部分蚂蚁装了 GPS 测速仪）。
- 这是目前世界上最大的“本动速度”数据库，比以前的记录大了好几倍。

3. 测量速度的两种“尺子”

要算出蚂蚁跑得快不快，你得知道它实际在哪里，以及它看起来在哪里。

看起来在哪里：通过红移（光变红）计算出的距离。
实际在哪里：这需要特殊的“尺子”。
- 尺子 A (Tully-Fisher 关系)：专门用来量旋涡星系（像风车一样的星系）。原理是：风车转得越快，它本身就越亮。通过亮度推算真实距离。
- 尺子 B (基本平面 Fundamental Plane)：专门用来量椭圆星系（像橄榄球一样的星系）。原理是：椭圆星系的亮度、大小和内部恒星运动速度之间有固定关系。

遇到的麻烦：科学家发现，用“尺子 A"量远处的星系时，数据有点不对劲（像是尺子受热膨胀了）。为了保险起见，他们决定只使用距离较近的“尺子 A"数据，或者主要依赖更可靠的“尺子 B"，以确保结果准确。

4. 超级算力的升级：从算盘到超级计算机

以前处理这么多数据，就像用算盘去算几百万个蚂蚁的轨迹，慢得要命，甚至算不出来。

旧方法：为了省时间，科学家不得不把复杂的公式“简化”（用泰勒展开近似），这就像为了快而把曲线画成直线，虽然快但不够准。
新方法 (JAX)：这篇论文的作者把代码重写了，用上了JAX（一种能让计算机像赛车一样飞驰的编程工具）。
- 比喻：以前是用算盘，现在直接换成了超级计算机。
- 结果：计算速度提升了无数倍，不再需要“简化”公式，可以直接算出最精确的“真实曲线”。这让结果更可信，误差更小。

5. 网格化策略：把大海变成游泳池

要把几百万个星系的数据塞进一个巨大的数学公式里，内存会爆炸。

策略：科学家把宇宙切分成一个个 2000 万光年 见方的“网格”（就像把大海切成了一个个游泳池）。
做法：他们不计算每一只蚂蚁，而是计算每个“游泳池”里蚂蚁的平均位置和平均速度。
好处：这大大减少了计算量，同时平滑掉了那些因为局部干扰产生的“噪音”，让大趋势（宇宙膨胀）看得更清楚。

6. 最终结论：引力理论依然“坚挺”

经过一番精密的计算和清洗数据后，他们得到了一个关键数字： $f\sigma_8 = 0.450 \pm 0.055$ 。

这是什么意思？ 这个数字代表了宇宙结构生长的速度。
对比结果：这个测量结果与爱因斯坦的广义相对论（以及基于宇宙微波背景辐射的预测）完美吻合！
- 比喻：就像你预测蚂蚁会以每秒 1 厘米的速度跑，结果实测也是 1 厘米。这说明我们的引力理论在宇宙尺度上依然是正确的，没有发现明显的“新物理”或“引力异常”。

7. 为什么这很重要？

一致性：这篇论文用了三种不同的方法（最大似然法、相关函数法、动量功率谱法）去测同一个东西，结果都一致。这就像三个不同的侦探用不同的线索查案，最后都指向同一个凶手，证据确凿。
未来展望：虽然现在的结果符合爱因斯坦，但随着未来数据更多（DESI 还在继续收集数据），我们可能会发现更细微的偏差，那可能就是通往“新物理”的大门。

总结一句话：
这篇论文利用最新的天文数据和超级计算机算法，精确测量了宇宙中星系的“奔跑速度”，结果发现宇宙长大的方式完全符合爱因斯坦的预言，引力理论依然稳如泰山！

这是一份关于利用 DESI DR1（暗能量光谱仪器第一数据释放）数据，通过**最大似然场方法（Maximum Likelihood Fields method）**测量宇宙结构生长率（Growth Rate of Structure）的技术总结。

1. 研究背景与问题 (Problem)

宇宙学模型挑战：尽管 $\Lambda$ CDM 模型是当前的标准宇宙学模型，但存在如“哈勃张力”（Hubble tension）和暗能量状态方程可能随时间变化等内部不一致性。此外，广义相对论（GR）在宇宙学尺度上是否依然成立仍需验证。
生长率的重要性：不同引力理论（如 $f(R)$ 引力或 nDGP 模型）预测不同的线性生长率 $f(a)$ 。精确测量生长率参数 $f\sigma_8$ （其中 $f$ 是线性生长率， $\sigma_8$ 是物质密度扰动的均方根）是区分这些理论的关键。
现有方法的局限：
- 传统的红移空间畸变（RSD）分析主要对非线性尺度敏感。
- 单独使用星系本动速度（Peculiar Velocity, PV）或星系密度场（Galaxy Overdensity）受限于样本方差（Sample Variance）。
- 现有的最大似然场方法在处理大规模数据时计算效率低下，且之前的研究（如 SDSS）受限于样本量较小。
核心问题：如何利用 DESI DR1 中前所未有的大规模本动速度数据（结合 Fundamental Plane 和 Tully-Fisher 关系）和星系密度场，通过最大似然场方法高效、无偏地测量 $f\sigma_8$ ，并解决计算瓶颈和系统误差问题。

2. 方法论 (Methodology)

数据来源：
- 本动速度目录：DESI DR1 中的 Fundamental Plane (FP, 椭圆星系) 和 Tully-Fisher (TF, 旋涡星系) 样本，共约 76,616 个本动速度测量值。
- 密度场样本：DESI DR1 的亮星系样本（BGS），红移 $z < 0.1$ ，包含约 415,523 个星系。
理论框架：
- 采用最大似然场方法，直接拟合星系过密度场（ $\delta_g$ ）和对数距离比（ $\eta$ ，由本动速度转换而来）的自相关和互相关协方差矩阵。
- 假设数据服从高斯分布，构建似然函数 $P(S|m)$ 。
- 使用标准微扰理论（SPT）生成功率谱，并引入阻尼项（Finger-of-God 效应）处理非线性尺度。
关键改进与处理：
- 计算效率优化：针对 DESI 数据量巨大（协方差矩阵维度约 $11000 \times 11000$ ），将代码重写为 JAX（Python 库），利用 JIT 编译和 XLA 加速线性代数运算，并结合 Cholesky 分解。这使得单次似然计算时间从数小时/数天缩短至约 1 秒，无需再使用泰勒展开近似。
- 网格化（Gridding）：将数据划分为 $20 h^{-1}\text{Mpc}$ 的网格以降低协方差矩阵维度，并平滑非线性噪声。
- 系统误差控制：
  - TF 样本截断：发现 TF 样本在 $z > 0.05$ 时存在未知的系统误差（导致 $f\sigma_8$ 偏高），因此切除了 $z > 0.05$ 的 TF 数据。
  - 离群值剔除：剔除对数距离比偏离中值 $>4\sigma$ 的数据。
  - 零值修正（Zero-point correction）：在似然函数中边缘化处理零值修正的不确定性。
  - 散粒噪声修正：在协方差矩阵对角线上添加散粒噪声项。
- 多示踪器结合：同时利用星系密度场和本动速度场，利用它们作为同一物质密度场的不同示踪体，消除样本方差。

3. 主要贡献 (Key Contributions)

算法革新：首次将 JAX 引入最大似然场分析，实现了精确对数似然计算的高效化，避免了泰勒展开近似带来的潜在系统偏差，显著提升了计算速度（约 10 倍以上加速）。
最大样本量：构建了迄今为止最大的本动速度联合目录（约 7.6 万个测量值），其规模是之前最大单一本动速度目录（SDSS）的约 10 倍（星系数）和 2 倍（距离比测量数）。
多方法一致性验证：与 DESI 团队另外两篇使用动量功率谱和速度相关函数的论文进行了对比，证明了三种不同方法论在测量 $f\sigma_8$ 上的一致性。
系统误差处理：详细分析了 TF 样本在高红移处的系统偏差，并提出了保守的截断策略，确保了结果的稳健性。

4. 研究结果 (Results)

单方法测量结果：
- 使用最大似然场方法（结合 BGS、FP 和 TF 数据），在有效红移 $z_{\text{eff}} = 0.07$ 处测得：
  $f\sigma_8 = 0.483^{+0.080}_{-0.043}(\text{stat}) \pm 0.018(\text{sys})$
- 该结果与广义相对论（GR）结合 Planck $\Lambda$ CDM 宇宙学的预测值（ $f\sigma_8 \approx 0.449$ ）在 $1\sigma$ 范围内一致。
- 相比 SDSS 的同类测量，精度提高了约 30%。
联合测量结果（共识值）：
- 将最大似然场方法、动量功率谱方法和速度相关函数方法的结果进行统计联合，得到共识测量值：
  $f\sigma_8(z_{\text{eff}} = 0.07) = 0.450 \pm 0.055$
- 该结果与 Planck + $\Lambda$ CDM 预测值高度一致。
生长指数（Growth Index）：
- 结合 DESI ShapeFit 在高红移处的测量，推导出生长指数 $\gamma = 0.58 \pm 0.11$ ，与广义相对论预测值（ $\gamma \approx 0.55$ ）一致。
模拟测试：在 675 个 DESI DR1 模拟样本上的测试表明，该方法是无偏的，且能够准确恢复真实的 $f\sigma_8$ 值。

5. 意义与展望 (Significance)

验证广义相对论：在低红移宇宙中，以高精度证实了广义相对论对结构生长的预测，未发现显著的引力修正证据。
技术里程碑：展示了利用现代计算工具（JAX）处理大规模宇宙学数据的能力，为未来 DESI 数据释放（DR2 及以后）中更复杂的分析奠定了基础。
多示踪器优势：再次证明了结合密度场和速度场（多示踪器）能有效降低统计误差，是未来宇宙学巡天的关键分析策略。
未来挑战：目前固定了非线性阻尼参数 $\sigma_u$ 以节省内存，这引入了约 30% 统计误差的系统误差。未来需结合数据压缩技术（如 MOPED）来释放内存，从而将 $\sigma_u$ 作为自由参数进行拟合，进一步降低系统误差。

总结：该论文利用 DESI DR1 的开创性数据，通过改进的计算算法和严谨的系统误差控制，提供了目前最精确的低红移结构生长率测量之一，有力支持了标准宇宙学模型和广义相对论。