🔭 astrophysics

Predicted number counts and clustering of Hi galaxies from future radio surveys

本文利用三种不同的星系模拟模型（S $^3$ -SAX、GAEA 和 IllustrisTNG）来预测未来 SKA-MID 射电巡天可观测的中性氢（HI）星系的数目计数和成团性质，从而预测该巡天的宇宙学性能并量化由建模和样本方差引起的不确定性。

原作者： Ainulnabilah Nasirudin, Philip Bull, Isabelle Ye

发布于 2026-04-30

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ainulnabilah Nasirudin, Philip Bull, Isabelle Ye

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

想象宇宙是一张由暗物质构成的巨大、无形的网。星系就像沿着这张网的丝线形成的发光城市。长期以来，天文学家一直试图绘制这些城市的地图，以了解这张网本身的形状及其膨胀方式。

本文讲述的是为一个庞大的新项目做准备：利用巨型射电望远镜（特别是未来的SKA-MID）对充满中性氢（一种称为 HI 的气体）的星系进行普查。将中性氢想象成这些星系内部的“燃料”。当这种燃料发射出特定的无线电信号（21 厘米谱线）时，它就像一座灯塔，使天文学家能够精确定位星系的位置，并测量其远离我们的速度。

以下是作者所做工作的简要说明：

1. 问题：我们不知道“菜单”

在点餐之前，你需要知道菜单上有什么。在使用 SKA-MID 望远镜开展大规模巡天之前，科学家们需要知道：

我们实际上能看到多少 HI 星系？
它们是如何聚集在一起的？（它们是成群结队地出现，还是独自存在？）

问题在于，我们尚未观测到足够多的这类星系来回答这些问题。因此，作者转向了计算机模拟。他们利用三个不同的“虚拟宇宙”来预测望远镜将看到什么。

2. 三位虚拟厨师

作者比较了三种不同的计算机模型，它们就像三位试图预测同一道食谱的厨师：

S3-SAX：基于旧式数学规则（半解析）的模型，构建在暗物质模拟之上。
GAEA：对这些数学规则的更新版本，利用流体模拟数据进行了调整。
IllustrisTNG：一个超级复杂的模拟，实际建模了气体、恒星和黑洞的运动物理过程（流体动力学）。

令人惊讶的是：这三位厨师对“菜单”意见不一。

在低距离（邻近星系）处，他们的预测相差了 2 到 3 倍。
在高距离（遥远星系）处，分歧巨大——有时甚至相差 10 倍或更多！
这就像一位厨师预测你在森林中会发现 100 个苹果，而另一位则预测会有 1,000 个。

3. 宇宙学预测：我们的地图会有多精确？

作者问道：“如果我们利用这些不同的预测来规划望远镜巡天，我们绘制的宇宙地图会有多准确？”

他们使用费希尔矩阵（一种预测可能误差大小的统计工具）进行了一次“试驾”。

结果：对于邻近星系（低红移），使用哪种模拟并不重要；望远镜仍然能绘制出不错的地图（误差在 10% 以内）。
关键点：对于遥远星系（高红移），模拟的选择至关重要。如果你选择了“错误”的模拟，你的误差范围可能会膨胀到原来的 11 倍。
结论：SKA-MID 望远镜将是一个极佳的工具，但在高距离处，限制因素并非望远镜本身，而是我们理论模型（即“菜单”）中的不确定性。要获得极其精确的遥远宇宙地图，我们可能需要一台更大的望远镜（例如假设中的"SKA2"）。

4. “样本方差”实验

为了理解“运气”在这些巡天中扮演多大角色，作者从IllustrisTNG模拟（特定时刻的宇宙快照）中截取了一个高分辨率切片，并将其切分为九个不同的 20° x 20° 区域。

想象透过九扇不同的窗户看同一片森林。尽管是同一座森林，但每扇窗户看到的景象都略有不同。

他们统计了每个窗户中的星系数量，并测量了它们的聚集程度。
发现：“聚集程度”（称为角相关函数）在不同窗户之间变化很大。这被称为样本方差。
为何重要：如果你只巡天一小块天区，你的结果可能会因为观测位置运气好（或运气差）而产生偏差。作者发现，虽然平均而言整体“聚集程度”是一致的，但星系如何聚集的具体细节（即"1-晕”项，或同一星系团内的星系）会根据星系的暗弱程度发生显著变化。

5. “晕占据”谜题

最后，他们尝试将一种称为**晕占据分布（HOD）**的模型拟合到他们的数据中。将 HOD 想象成一本规则手册，上面写着：“对于特定大小的暗物质云，里面应该居住多少星系？”

他们用这九个不同的窗口测试了这本规则手册。
结果：这本规则手册的效果出奇地好。尽管星系数量随望远镜的灵敏度而变化，但关于星系如何居住在暗物质云中的基本规则相当稳定。
他们提供了一组这些规则的“最佳猜测”数值，供其他科学家规划未来巡天时使用。

总结

这篇论文是射电天文学未来的一次“彩排”。作者警告我们，虽然我们的计算机模型正在变得更好，但它们对于宇宙中存在多少星系以及它们如何排列仍存在显著分歧，尤其是在遥远的宇宙中。

好消息：对于邻近巡天，无论我们信任哪种模型，SKA-MID 望远镜都将发挥出色作用。
警示：对于遥远巡天，模型间缺乏共识比望远镜的灵敏度是一个更大的问题。
要点：我们需要继续完善计算机模拟，并在观测较小天区时做好应对“样本方差”（即运气成分）的准备。

简而言之：我们即将拥有一台强大的新相机，但在按下快门之前，我们仍需弄清楚场景究竟是什么样子的。

以下是论文《未来射电巡天中 HI 星系的预测计数与成团性》的详细技术总结。

1. 问题陈述

探测星系中中性氢（HI）的 21 厘米发射线为光谱红移测定和宇宙大尺度结构绘图提供了一种强有力的方法。即将建成的射电阵列，特别是平方公里阵列中频阵列（SKA-MID），预计将编目数十万至数百万个 HI 星系。然而，这些巡天的准确宇宙学预测受到以下重大理论不确定性的阻碍：

计数（Number Counts）： HI 星系作为红移和流量灵敏度函数的预期数密度约束不足，特别是在微弱流量水平（ $\mu$ Jy）和较高红移（ $z > 0.5$ ）下。
成团性性质（Clustering Properties）： HI 星系相对于基础暗物质分布的偏差（bias）存在不确定性。
模型依赖性： 不同的模拟方法（半解析模型与流体动力学模拟）产生了截然不同的预测，使得量化未来宇宙学约束的理论误差预算变得困难。

2. 方法论

作者采用了一种多管齐下的方法，结合三种不同的星系模拟与观测预测技术：

A. 模拟比较
该研究利用三个不同的模拟星系目录来预测 HI 星系性质：

S3-SAX： 基于 Millennium 纯暗物质模拟的半解析模型（SAM）。
GAEA： 一个经过部分校准（利用流体动力学模拟）的更新版 SAM。
IllustrisTNG： 全磁流体动力学模拟（具体为 TNG100 和 TNG300 盒子）。

B. 巡天规格

仪器： SKA-MID（1 波段：350–1050 MHz；2 波段：950–1760 MHz）。
配置： 对两种阵列配置进行了建模：AA（144 面天线）和*AA4（197 面天线）。
巡天参数： 在 5,000 平方度（deg $^2$ ）区域内总计 10,000 小时。
选择标准： 星系基于 5 $\sigma$ 流量密度阈值（ $S_{rms}$ ）和最小谱线宽度（ $W_\theta$ ）进行选择，以排除缺乏特征双峰轮廓的正面朝向星系。

C. 宇宙学预测（费雪矩阵）
利用从 S3-SAX 和 GAEA 导出的数密度（$dN/dz $）和偏差（$ b(z)$），作者进行了费雪矩阵预测，以评估对宇宙学参数的约束能力：

膨胀率 $H(z)$ 和角直径距离 $D_A(z)$ 。
线性增长率 $f\sigma_8(z)$ 和偏差 $b\sigma_8(z)$ 。
分析假设了 Planck 2018 平坦 $\Lambda$ CDM 基准模型。

D. 成团性与样本方差分析

数据来源： 来自 IllustrisTNG300 模拟的高分辨率快照（ $z \approx 0$ ）。
模拟目录： 将模拟盒子划分为九个子体积（每个 $20^\circ \times 20^\circ$ ），以模拟独立的天空实现。
统计分析：
- 计算了 100、250 和 500 $\mu$ Jy 流量阈值下的角相关函数（ACF）， $w(\theta)$ 。
- 应用 Landy-Szalay 估计量 来测量 $w(\theta)$ 。
- 使用 Jackknife 重采样 来估计协方差矩阵。
- 执行 贝叶斯 MCMC 推断 以将晕占据分布（HOD）模型拟合到 ACF，约束参数： $\log M_{min}$ 、 $\log M_1$ 、 $f_c$ （中心星系比例）和 $\beta_g$ 。

3. 主要贡献

理论不确定性的量化： 本文对三个主要模拟框架中的 HI 预测进行了严格比较，突出了它们一致和显著分歧的地方。
SKA-MID 性能预测： 提供了 SKA-MID 配置（AA* 和 AA4）宇宙学能力的更新预测，明确将巡天性能与模拟模型的选择联系起来。
样本方差表征： 通过分析大型流体动力学模拟的九个子体积，该研究量化了样本方差对低红移成团性测量的影响，这是大面积但浅层巡天的一个关键因素。
HOD 参数约束： 推导了低红移 HI 星系的稳健 HOD 参数，并证明了它们在不同流量密度阈值下的稳定性（或不稳定性）。

4. 主要结果

A. 计数与偏差差异

低红移（ $z < 0.5$ ）： 模拟结果在几倍的范围内一致。然而，在较高流量阈值（ $S_{rms} > 50 \mu$ Jy）下，TNG100 预测的数密度最高，而 S3-SAX 预测的最低。
高红移（ $z > 0.5$ ）： 差异变得严重。在 $z \sim 1$ 处，不同模拟之间的数密度差异可达几个数量级。
偏差： 偏差值显示出很大的范围，特别是在高红移和高流量阈值下，差异可达 6 倍。TNG100 在 $z < 0.4$ 时始终显示出较低的偏差（ $\sim 0.8$ ），而 S3-SAX 和 GAEA 则较高，这可能是由于其模拟体积较小所致。

B. 宇宙学预测

精度： 使用 GAEA 预测的 AA4 配置对 $z < 0.5$ 的 $H(z)$ 和 $D_A(z)$ 的约束优于 10%，在 $z \approx 0.4$ 时提升至 2–3%。
退化： 在 $z > 0.5$ （1 波段）处，约束力取决于所使用的模拟而显著退化。例如，AA* S3-SAX 预测在 $z \sim 0.9$ 处的不确定性比最佳情况大 11 倍。
与光学巡天的比较： 即使采用乐观假设，由于低红移处数密度较低和样本方差较大，SKA-MID 的约束目前仍不如 DESI 等光学巡天。

C. 成团性与 HOD 分析

样本方差： 角相关函数 $w(\theta)$ 显示九个子体积之间存在显著离散，特别是在大角距离（ $\theta \ge 0.5^\circ$ ）处，变化幅度可达两个数量级。
流量阈值依赖性：
- 2-晕项（大尺度成团性）对流量密度阈值基本不敏感，除非在非常大的角度下。
- 1-晕项（小尺度成团性）在 $\theta \sim 0.2^\circ$ 处显示出流量阈值之间有 5 倍的差异。
HOD 参数： 随着流量阈值增加一个数量级，推断出的偏差（ $b_{gal}$ ）略有下降（ $\Delta b \approx -0.05$ ）。参数 $\log M_1$ （容纳一个卫星星系的晕质量）随流量阈值增加而增加，而 $\log M_{min}$ 和 $f_c$ 则下降。
一致性： HOD 推导出的偏差与模拟预测在 $\sim 20\%$ 范围内一致。

5. 意义与结论

本文表明，虽然 SKA-MID 的低红移宇宙学预测对模拟选择相对稳健（主要受样本方差限制），但高红移预测对理论建模不确定性高度敏感。

理论不确定性： $z > 0.5$ 处预测计数和偏差的巨大离散度意味着，在没有观测校准的情况下，当前的模拟尚无法为高红移 HI 巡天提供精确的误差预算。
巡天策略： 为了实现亚百分比级别的宇宙学约束，未来仪器（如"SKA2"）需要显著更高的灵敏度（ $\lesssim 10 \mu$ Jy），以进入样本方差不再占主导地位的高红移区域。
实用价值： 推导出的 HOD 参数以及 2-晕项中流量阈值不敏感性的识别，为在大规模观测数据可用之前对低红移 HI 成团性进行建模提供了坚实基础。

作者总结道，虽然模拟对于规划至关重要，但在新的 HI 巡天数据允许模型改进之前，必须赋予它们显著的理论不确定性余量。