Learning the Universe with cosmological rescaling of merger trees and semi-analytic galaxy formation models

技术摘要：通过合并树与半解析星系形成模型的宇宙学重标度法学习宇宙

问题陈述
现代宇宙学依赖于对大规模结构观测的精确测量，这需要跨越广泛的宇宙学和天体物理参数进行准确的理论预测。虽然宇宙学流体动力学模拟（例如 Horizon-AGN, IllustrisTNG, FLAMINGO）是模拟星系形成的黄金标准，但对于机器学习推断方法所需的密集参数空间采样而言，其计算成本过于昂贵。半解析模型（SAMs）通过沿着暗物质晕合并树而非直接求解流体动力学来演化重子物质，提供了一种具有物理基础且计算成本更低的替代方案。然而，即使是 SAMs 也需要底层的 $N$ 体模拟来生成这些合并树。运行数百或数千个 $N$ 体模拟以实现稳健的宇宙学推断，在计算上仍然是难以承受的。

方法论
本研究将宇宙学重标度形式化方法（Angulo & White 2010）扩展到直接作用于晕合并树（而非粒子快照或晕目录）。作者利用了 CAMELS-SAM 套件，该套件将 $N$ 体模拟与 Santa Cruz 半解析模型（SC-SAM）相结合。

核心算法包括：

1. 树级重标度：该方法不是重标度粒子并重新运行晕查找器，而是重标度现有合并树中节点的属性。树的形态（祖先与后代之间的连接关系）得以保留，而晕的属性则被转化为匹配目标宇宙学（$\Lambda'$）的原始宇宙学（$\Lambda$）。
2. 基于 NFW 的修正：引入了一种新颖的修正，用于抑制重标度晕质量中的系统偏差，特别是在改变 $\Omega_m$ 和 $\sigma_8$ 时。该修正利用一个自由参数 $\alpha$ 和一个源自维里过密度阈值的标度因子 $A_{scale}$，来修改 NFW 密度剖面参数（$\rho_0$ 和 $R_s$）的重标度过程。
3. 时间插值：由于 CAMELS-SAM 套件缺乏 $z < 0$ 的快照，因此将重标度到较低的 $\sigma_8$ 或 $\Omega_m$（其中结构形成较慢）需要将原始模拟的 $z=0$ 快照映射到目标宇宙学中的未来红移。该方法通过在两个包络快照之间进行线性插值，以获得精确的 $z=0$ 处的数值。
4. SAM 重新评估：重标度后的合并树通过 SC-SAM 进行处理，以生成新的星系族群。这使得在几乎不增加运行新 $N$ 体模拟的计算成本的情况下，即可生成跨越不同宇宙学和天体物理参数的星系统计数据。

主要贡献

1. 向合并树的扩展：作者证明了宇宙学重标度可以直接应用于合并树，从而绕过了粒子级重标度所需的昂贵的晕查找和树构建阶段。
2. 偏差抑制：引入了基于 NFW 的修正（由单个参数 $\alpha$ 控制），将重标度晕质量的系统偏差降低到百分之一以下（针对 $\Omega_m$ 和 $\sigma_8$ 的变化）。
3. 验证：该方法通过与具有相同初始条件但不同宇宙学的直接 $N$ 体模拟进行对比验证。重标度过程准确地重现了单个晕的属性（质量、集中度、自旋）和星系属性（恒星质量、恒星形成率），且没有显著的系统偏差。
4. 参数估计效率：作者应用该方法训练了用于估计 $\Omega_m$ 和 $\sigma_8$ 的神经网络估计器，使用了恒星质量函数（SMF）和二点相关函数（2PCF）。

结果

• 准确性：重标度合并树生成的星系族群达到了与直接模拟相当的精度。重标度晕质量的偏差从（无修正时的）$\sim 11\%$ 被抑制到了 $< 0.25\%$。重标度树产生的恒星质量预测的散射，与通过改变 SC-SAM 卫星轨道模型的随机种子所引入的散射相当。
• 计算效率：重标度单个 CAMELS-SAM $N$ 体模拟中的所有合并树仅需约 $0.1$ CPUh，而运行该模拟本身则需要数千 CPUh。
• 训练集缩减：
  • 使用仅有的 64 个基础 $N$ 体模拟 生成的 1,000 个重标度模拟 训练集，达到了与在 750 个专用 $N$ 体模拟 上训练的模型相同的参数估计精度（RMSE）。
  • 将重标度实现数量增加到 3,200（从 750 个基础模拟开始），相比于仅在 750 个基础模拟上进行训练，对 $\Omega_m$ 的预测能力提高了约 $25\%$。
  • 对于 SMF，性能受重标度误差支配，而该误差在有足够的基于模拟时可以降至最低。对于 2PCF，性能对独立初始条件相位（宇宙方差）的数量更为敏感，并在约 16 个唯一相位后趋于饱和。

意义与主张
本文声称展示了一条获取跨宇宙学和天体物理参数的星系汇总统计量预测的实用路径，而无需承担运行大规模 $N$ 体模拟的计算负担。通过将合并树重标度与半解析建模相结合，作者表明，可以以极小的计算成本生成大规模、多样化的机器学习推断训练集。

作者强调，这种方法充当了一种“受物理启发的插值方案”，允许对参数空间进行密集采样，这对于现代宇宙学推断至关重要。他们指出，尽管目前的结果在特定观测量（SMF 和 2PCF）以及 CAMELS-SAM 套件方面尚显初步，但该方法为未来需要模拟更大体积和更复杂参数空间的观测项目（如 DESI, Euclid, Rubin）提供了一个可扩展的解决方案。这项工作表明，未来的套件可以专门针对重标度效率进行优化，从而可能进一步减少对基础模拟数量的需求。