Cosmology with one galaxy: An analytic formula relating $Ω_{\rm m}$ with galaxy properties

技术摘要：单星系宇宙学

问题陈述
标准宇宙学分析通常将星系形成与宇宙学参数推断解耦，依赖聚类、引力透镜或晕丰度等群体水平统计量来约束物质密度参数 $\Omega_m$。尽管近期针对 CAMELS 模拟套件的研究表明，单个星系的属性可编码宇宙学信息，但该信号的物理起源尚不明确，且以往方法依赖于缺乏物理可解释性的“黑盒”神经网络。本研究致力于解决这一挑战，推导一种物理透明、解析的关系式，将 $\Omega_m$ 直接与内在的单星系可观测量联系起来，从而绕过对大尺度聚类统计的需求。

方法论
作者利用 CAMELS（机器学习模拟宇宙学与天体物理）项目，具体采用拉丁超立方（LH）数据集和扩展的 TNG-SB28 数据集。这些套件包含超过 16,000 个流体动力学模拟，其宇宙学参数（$\Omega_m$、$\sigma_8$、$\Omega_b$、$H_0$ 等）和天体物理亚网格参数（超新星和活动星系核反馈效率）均有所变化。

核心方法论采用符号回归（使用 PySR 算法）来发现将星系属性与 $\Omega_m$ 相关联的紧凑、解析函数形式。

1. 数据准备：训练集由在 $z=0$ 处从 IllustrisTNG 模拟中采样的星系组成。构建了关键无量纲变量，包括恒星金属丰度（$Z_\star$）、恒星质量分数（$f_\star$）、有效动力学速度（$V_{\text{eff}}$）以及致密性参数（$R_{\text{compact}}$）。
2. 符号搜索：算法搜索一种表达式，在满足简约性惩罚和对算子复杂度的约束（例如限制嵌套深度和指数范围）的前提下，最小化预测值与真实 $\Omega_m$ 之间的均方误差。
3. 验证：该解析公式完全基于 IllustrisTNG 训练，随后在独立的模拟套件（ASTRID、SIMBA、Swift-EAGLE）以及不同红移（$z=0$ 至 $z=3$）下进行测试。
4. 扩展参数空间：该框架进一步在 TNG-SB28 数据集上进行了测试，该数据集同时变化 28 个参数，包括 $\Omega_b$ 和 $H_0$，以评估其在更广泛的宇宙学和反馈变化下的鲁棒性。

主要贡献

1. 首个解析单星系示踪器：本文提出了首个物理可解释的解析公式，直接将 $\Omega_m$ 与单个星系属性联系起来。推导出的表达式形式如下：
   $$\Omega_m \approx \ln \left[ \sigma \left( \frac{Z_\star}{M_\star} \frac{\Omega_b V_{\text{eff}}^3}{G H_0} \frac{\Omega_b}{k} \right) + c_0 \right] - \frac{a_0}{R_{\text{compact}}}$$
   其中 $\sigma(x)$ 为 Sigmoid 函数。
2. 跨套件鲁棒性：源自 IllustrisTNG 的函数形式成功地在 ASTRID、SIMBA 和 Swift-EAGLE 模拟中恢复了 $\Omega_m$，仅需对数值系数（$k, c_0, a_0$）进行轻微重新校准。这表明潜在的物理耦合在不同星系形成物理的数值实现中具有普适性。
3. 物理解释：作者为潜变量提供了透明的物理解释。Sigmoid 函数内部的项编码了由质量 - 金属丰度关系（MZR）介导的重子 - 宇宙学耦合。它代表了引力势深度（由 $V_{\text{eff}}$ 和宇宙学决定）与受反馈调节的重子保留及化学增丰效率之间的相互作用。
4. 红移演化：作者利用 $(1+z)$ 的幂律标度推导了该公式的红移依赖扩展形式，该形式在 IllustrisTNG 和 ASTRID 中直至 $z=3$ 仍保持预测精度。
5. 向高维参数空间的泛化：在 TNG-SB28 套件（$\Omega_b$ 和 $H_0$ 变化）中，解析形式适应性地包含了哈勃参数比率（$H_0/H_{0,\text{fid}}$）的显式依赖以及改进的保留效率项 $E(Z_\star, f_\star)$，这与气体调节器框架一致。

结果

• 预测性能：在 $z=0$ 处，该模型在 IllustrisTNG 上的决定系数（$R^2$）达到 0.77，在 ASTRID 上达到 0.73。SIMBA 和 Swift-EAGLE 显示出略微下降的性能（$R^2 \approx 0.6-0.7$），但仍表现出强烈的单调相关性，表明该信号并非过拟合特定模拟的伪影。
• 饱和行为：在高维 TNG-SB28 数据集中，预测器在高 $\Omega_m$ 处（$\Omega_m \gtrsim 0.43$）表现出饱和机制。作者将此归因于高维参数空间中反馈物理与宇宙学之间的强简并性，其中宇宙学的变化越来越被重子过程所抵消，从而形成了信息上限。
• 物理机制：分析证实，$\Omega_m$–金属丰度关系的“拐点”对应于宇宙学主导的增丰（低金属丰度）与反馈饱和的增丰（高金属丰度）之间的转变。该转变的斜率由反馈方案决定，这解释了为何不同模拟需要不同的系数校准。

意义与主张
本文声称建立了一个连接小尺度星系物理与大尺度宇宙学的直接、可解释的桥梁。通过证明 $\Omega_m$ 局部编码在单个星系的重子循环中，这项工作为宇宙学推断开辟了一条不依赖传统大尺度结构统计的互补途径。

作者强调，这种方法旨在提供一种理解宇宙学信息如何在重子处理中幸存下来的新框架，而非取代标准探针。发现紧凑的解析关系表明，物质密度对星系形成的印记是稳健的，并受重子保留和引力势深度的基本原理支配。这项工作突显了，虽然机器学习可以识别相关性，但符号回归对于揭示支配星系 - 宇宙学联系的潜在物理定律至关重要。