Emulating the nonlinear effects of modified gravity on the matter power spectrum for reconstruction

技术摘要：用于重建的修改引力非线性效应之非线性效应模拟器

问题陈述
对修改引力（Modified Gravity, MG）函数（特别是唯象参数 $\mu(a)$ 和 $\Sigma(a)$）进行模型无关的重建，是测试广义相对论（GR）的一种强大方式，且无需假设特定的 MG 理论。然而，纳入小尺度的非线性信息对于约束这些模型至关重要，因为即使在 MG 理论的线性预测与 $\Lambda$CDM 简并的情况下，它们也能显著改变结构形成。该过程的主要瓶颈在于计算成本：使用标准流程（MGCAMB 结合 ReACT 晕模型反应）来计算 MG 模型的非线性物质功率谱（$P_{NL}$）对于高维参数空间探索（如 MCMC）所需的重复似然评估而言，其成本是难以承受的。这种开销限制了将非线性数据纳入模型无关重建流水线的能力。

方法论
为了解决这一计算瓶颈，作者构建了一个神经网络模拟器，旨在预测非线性修正因子，定义为比值 $R_{MG}(k, z) = P_{NL}^{MG}(k, z) / P_{L}^{MG}(k, z)$，而非完整的功率谱。这种方法隔离了模型相关的非线性修正，降低了网络需要学习的动态范围，同时保留了来自玻尔兹曼代码的准确线性预测。

• 训练数据： 该模拟器使用约 $9 \times 10^5$ 个样本进行训练，这些样本由 MGCAMB 和 ReACT 生成。数据集结合了来自先前重建链的样本（以确保在 MG 参数空间中的物理动机）以及在标准宇宙学参数 $3\sigma$ 后验范围内生成的随机样本。
• 输入参数： 输入向量包括标准宇宙学参数 ($\log A, n_s, h, \Omega_b h^2, \Omega_c h^2$)、重建的 MG 函数节点 ($\mu_{1-11}, \Omega_{X,1-10}$)、红移 ($z$) 以及非线性屏蔽参数 ($p_1$)。$\Sigma$ 节点被排除在外，因为它们不直接影响物质功率谱。
• 架构： 模拟器利用 CosmoPower 框架，采用具有四个各含 512 个节点的全连接神经网络。它在 $10^{-5} \le k < 10 \text{ Mpc}^{-1}$ 的范围内预测 420 个 $k$ 模态的 $R_{MG}$。
• 验证策略： 模拟器经历了三层验证过程：
  1. 代表性谱图： 与 $\Lambda$CDM 以及特定线性谱与 $\Lambda$CDM 近似简并的 MG 模型进行 MGCAMB+ReACT 对比。
  2. 独立验证集： 对参数空间中 2000 个未见样本点进行统计分析。
  3. 合成数据 MCMC： 使用从已知 $\Lambda$CDM 标度模型生成的合成 BAO+RSD（类 DESI）和弱引力透镜（类 CSST）数据进行端到端测试，以验证模拟器是否会在参数恢复中引入偏差。

关键结果

• 准确性： 对于 $\Lambda$CDM 和中度 MG 非线性修正（$p_1 = 0, 1$），模拟器在全尺度范围内能以 1.5% 的精度复现参考非线性功率谱。在极端非线性情况（$p_1 = 2$）下，该 1.5% 的精度在 $k < 0.8 \text{ Mpc}^{-1}$ 时得以保持，由于更强的非线性效应，偏差在较小尺度上有所增加。
• 统计性能： 在独立验证集上，平均残差接近于零。在 $k < 0.5 \text{ Mpc}^{-1}$ 时，$2\sigma$ 散射保持在 1% 以下，并在较小尺度上增加到约 2%。
• MCMC 恢复： 在合成数据分析中，模拟器成功恢复了输入的 $\Lambda$CDM 宇宙学参数以及重建 MG 函数的 GR 极限（$\mu=\Sigma=1$）及其后验不确定度。在重建函数中观察到的低红移处的偏差归因于投影效应以及与星系偏置参数的简并，而非模拟器误差。
• 计算效率： 模拟器将计算非线性功率谱所需的时间从大约 80 秒（MGCAMB+ReACT）缩减至约 20 秒，其中大部分时间仍消耗在线性谱的计算上。

展示的应用场景
论文阐明了该模拟器的三个具体应用：

1. 破缺简并： 模拟器可以区分具有近乎简并的线性功率谱但具有不同非线性修正的 MG 模型，可作为快速诊断工具。
2. 当前巡天似然函数： 在使用 DES-Y3 $3\times2\text{pt}$ 似然函数的测试中，发现即使在最坏情况下，模拟器的系统误差也低于当前的测量不确定度（最大偏差 $\sim 0.1\sigma$），验证了其在当前光度巡天中的可用性。
3. 未来预报： 对 DESI+CSST 预报进行的主成分分析（PCA）表明，该模拟器能够显著提高 MG 函数的恢复精度。与早期的巡天配置相比，DESI-V+CSST-F 的组合预计可将 $\Sigma$ 模态的误差降低约 46%，将 $\mu$ 模态的误差降低约 19%。

意义与局限性
作者声称，这项工作为模型无关的 MG 重建流水线提供了一个可靠、快速且准确的工具，使得在不进行全晕模型计算的情况下，能够纳入第四阶段巡天（如 DESI 和 CSST）的非线性信息。该模拟器允许探索此前无法触及的高维参数空间。

论文指出了一些局限性：

• 模拟器仅在训练的 $k$ 范围内有效；外推控制并不受控。
• 重建假设是尺度无关的，固定了除 $p_1$ 以外的所有 ReACT 非线性参数。
• 在极端非线性机制（高 $p_1$，高 $k$）下，准确度会下降。
• ReACT 的校准限于 $z \le 2.5$，对于像 CSST 这样具有更高红移分箱的巡天，需要进行近似处理。
• 目前的验证依赖于合成数据；应用于真实观测数据的研究将在未来开展。