Emission Line Predictions for Mock Galaxy Catalogues: a New Differentiable and Empirical Mapping from DESI
Ashod Khederlarian, Jeffrey A. Newman, Brett H. Andrews, Biprateep Dey, John Moustakas, Andrew Hearin, Stéphanie Juneau, Luca Tortorelli, Daniel Gruen, ChangHoo… 展开作者
Ashod Khederlarian, Jeffrey A. Newman, Brett H. Andrews, Biprateep Dey, John Moustakas, Andrew Hearin, Stéphanie Juneau, Luca Tortorelli, Daniel Gruen, ChangHoon Hahn, Rebecca E. A. Canning, Jessica Nicole Aguilar, Steven Ahlen, David Brooks, Todd Claybaugh, Axel de la Macorra, Peter Doel, Kevin Fanning, Simone Ferraro, Jaime Forero-Romero, Enrique Gaztañaga, Satya Gontcho A Gontcho, Robert Kehoe, Theodore Kisner, Anthony Kremin, Andrew Lambert, Martin Landriau, Marc Manera, Aaron Meisner, Ramon Miquel, Eva-Maria Mueller, Andrea Muñoz-Gutiérrez, Adam Myers, Jundan Nie, Claire Poppett, Francisco Prada, Mehdi Rezaie, Graziano Rossi, Eusebio Sanchez, Michael Schubnell, Joseph Harry Silber, David Sprayberry, Gregory Tarlé, Benjamin Alan Weaver, Zhimin Zhou, Hu Zou
我们提出了一种简单、可微的方法，使用经验确定的映射从静止系光学连续谱预测发射线强度。在开发包含稳健星系测光预测的模拟星系目录方面已经进行了大量工作，但可靠地预测发射线强度仍然具有挑战性。我们的新映射是一个使用JAX Python自动微分库实现的简单神经网络。它在Dark Energy Spectroscopic Instrument Early Release数据上进行训练，以从星系的静止系光学连续谱预测八条最亮光学发射线（包括H$α$、H$β$、[O II]和[O III]）的等值宽度（EWs）。当考虑噪声时，预测的EW分布与观测到的分布一致，我们发现大多数谱线的预测与观测之间的Spearman秩相关系数$ρ_s > 0.87$。使用非线性降维技术（UMAP），我们表明这对于具有全范围观测光谱能量分布的星系都是成立的。此外，我们发现，将测量不确定性添加到预测的谱线强度中，对于在BPT图中再现观测到的谱线比率分布至关重要。我们训练的网络可以轻松地合并到可微恒星种群合成流水线中，而不会阻碍GPU的可微性或可扩展性。使用这种流水线生成的合成目录可用于表征和解决用于训练和校准photo-$z$的光谱训练集中的偏差，从而改进Rubin Observatory LSST和其他巡天的系统不完整性建模。
英文摘要：
We present a simple, differentiable method for predicting emission line strengths from rest-frame optical continua using an empirically-determined mapping. Extensive work has been done to develop mock galaxy catalogues that include robust predictions for galaxy photometry, but reliably predicting the strengths of emission lines has remained challenging. Our new mapping is a simple neural network implemented using the JAX Python automatic differentiation library. It is trained on Dark Energy Spectroscopic Instrument Early Release data to predict the equivalent widths (EWs) of the eight brightest optical emission lines (including H$α$, H$β$, [O II], and [O III]) from a galaxy's rest-frame optical continuum. The predicted EW distributions are consistent with the observed ones when noise is accounted for, and we find Spearman's rank correlation coefficient $ρ_s > 0.87$ between predictions and observations for most lines. Using a non-linear dimensionality reduction technique (UMAP), we show that this is true for galaxies across the full range of observed spectral energy distributions. In addition, we find that adding measurement uncertainties to the predicted line strengths is essential for reproducing the distribution of observed line-ratios in the BPT diagram. Our trained network can easily be incorporated into a differentiable stellar population synthesis pipeline without hindering differentiability or scalability with GPUs. A synthetic catalogue generated with such a pipeline can be used to characterise and account for biases in the spectroscopic training sets used for training and calibration of photo-$z$'s, improving the modelling of systematic incompleteness for the Rubin Observatory LSST and other surveys.
Mock Observatory: two thousand lightcone mock catalogues of luminous red galaxies from the Hyper Suprime-Cam Survey for the cosmological large-scale analysis
A mock redshift catalogue of the dusty star-forming galaxy population with intrinsic clustering and lensing for deep millimetre surveys
Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE)（国家天体物理学、光学和电子学研究所）；Universidad Nacional Autónoma de México, Instituto de Astronomía（墨西哥国立自治大学天文研究所）
Mock Observations for the CSST Mission: Main Surveys -- the Mock Catalogue
Purple Mountain Observatory, Chinese Academy of Sciences（中国科学院紫金山天文台）；Hunan Normal University（湖南师范大学）；National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）；Zhejiang University（浙江大学）；Zhejiang Laboratory（浙江实验室）；Yunnan University（云南大学）；Beijing Normal University（北京师范大学）；Shanghai Astronomical Observatory, Chinese Academy of Sciences（中国科学院上海天文台）；Anhui University（安徽大学）
Painting a full radio sky -- Empirical mock catalogues with multiple source populations for future radio surveys
INAF - Institute of Radio Astronomy (IRA)（国家天体物理研究所射电天文研究所）；Scuola Internazionale Superiore di Studi Avanzati (SISSA)（高等高级研究国际学院）；Institute for Fundamental Physics of the Universe (IFPU)（宇宙基础物理研究所）；SKA Organization（平方公里阵列望远镜组织）；Observatoire de la Côte d’Azur (OCA)（蔚蓝海岸天文台）；INAF – Osservatorio di Astrofisica e Scienza dello Spazio (OAS)（国家天体物理研究所天体物理学与空间科学观测站）；Astronomical Observatory of the Autonomous Region of Aosta Valley (OAVdA)（瓦莱达奥斯塔自治大区天文台）；INAF - Institute of Space Astrophysics and Cosmic Physics (IASF)（国家天体物理研究所空间天体物理学与宇宙物理学研究所）
Mock catalogues of emission line galaxies based on the local mass density in dark-matter only simulations
发射线星系空间成团的高精度测量是未来宇宙学光谱巡天的主要目标。ELG强辐射的来源是恒星形成星系中大质量短寿命恒星照射周围电离气体产生的星云辐射。因此，ELG更可能驻留在新形成的晕，这导致ELG数密度和物质密度场之间的非线性关系。为了估计宇宙学观测量的协方差矩阵，有必要产生许多独立的实现来模拟大调查体积的ELG分布。为此，我们提出了一种新的和快速的计划，以填充ELG在暗物质只有$N$体模拟的基础上局部密度场。这种方法使模拟ELG目录的快速生产适用于验证分析方法和量化观测系统在即将到来的光谱调查，并可以填充ELG在中等高密度的地区，即使晕结构不能解决由于低分辨率。模拟的ELG的功率谱与流体动力学模拟的结果一致，直到相当小的尺度（$\lesssim 1 h \, \mathrm{Mpc}^{-1}$），模拟的ELG更可能被发现在附属结构，这是一致的半解析和流体动力学模拟的结果。此外，我们解决了红移空间功率谱的模拟ELG。测得的多极矩模拟ELG清楚地表现出较弱的上帝之指的效果比那些物质由于下落运动对晕中心，而不是随机的维里运动晕内。
From Dark Matter to Galaxies: Halo-Free Mock Generation via Conditional Point-Cloud Diffusion
RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）；Center for Frontier Science, Chiba University（千叶大学前沿科学中心）；Department of Physics, Graduate School of Science, Chiba University（千叶大学理学研究科物理学系）；Department of Physics, Graduate School of Science, The University of Tokyo（东京大学理学研究科物理学系）；Kavli Institute for the Physics and Mathematics of the Universe, The University of Tokyo Institutes for Advanced Study（东京大学高等研究院宇宙物理与数学研究所（ Kavli 研究所））；Research Center for the Early Universe, Graduate School of Science, The University of Tokyo（东京大学理学研究科早期宇宙研究中心）
Small- and Large-Scale Galactic Conformity in SDSS DR7
星系整合是指星系性质在距离上表现出比预期的更多的相关性，如果这些性质只依赖于晕质量。我们进行了全面的研究一致性在低红移使用星系群目录从SDSS DR 7光谱样本。我们研究了中央星系和它们的卫星星系（1-晕）之间的相关性，以及中央星系在单独的晕（2-晕）之间的相关性。我们使用淬火分数和显着的关联函数（MCF），探测符合三个星系的属性，$(g-r)$颜色，特定的恒星形成率（sSFR），和形态。我们评估了一套模拟星系目录，没有内置的一致性，但包含相同的组发现和质量分配错误的真实数据的一致性信号的统计意义。在1-晕一致性的情况下，淬火馏分在所有组质量显示出强信号。然而，这些信号在模拟星表中同样强烈，表明一致性信号是虚假的，可能完全是由群体发现系统学引起的，这对以前的1-halo一致性检测提出了质疑。MCF揭示了大量群体内的径向分离的显著检测，但没有一致性的证据。在2-卤素一致性的情况下，淬火馏分显示没有显着的证据一致性的颜色或sSFR一旦与模拟目录相比，但使用形态学的明确信号。相比之下，MCF揭示了低质量组和$0.8-4\ h^{-1}\textrm{Mpc}$标度中所有三种性质的小但高度显著的信号，可能代表2-晕一致性的首次稳健检测。
CosmoGLINT: Cosmological Generative Model for Line Intensity Mapping with Transformer
The University of Tokyo（东京大学）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能研究中心）；Chiba University（千叶大学）；Kavli Institute for the Physics and Mathematics of the Universe, The University of Tokyo Institutes for Advanced Study（东京大学高等研究院 Kavli宇宙物理与数学研究所）
Groups in the Millennium Simulation and in SDSS DR7
比较了Millennium N-body模拟和Sloan数字巡天第七次数据发布（SDSS DR 7）星系和星系群星表，研究了星系群的性质和星系群中星系的分布。我们使用Tago等人分析SDSS数据时使用的相同的朋友的朋友方法，为千年半分析星系表构建模拟星系群星表。我们详细分析了集团光度，集团丰富度，维里半径，集团的大小和它们的均方根速度为四个体积有限的样品从观测和模拟。我们的结果表明，在所有的样本中，群的空间密度在一个数量级内一致，模拟星表与观测值之间具有相当好的一致性。对于更富有的群体，所有群体属性分布都具有相似的形状和幅度。对于星系对和小星系群，观测和模拟的星系群性质明显不同。此外，星系在小星系群中的空间分布是不同的：在星系群的外围，星系数分布并不一致，尽管在内部区域的一致性相对较好。分布的差异主要是由于SDSS样本的观测限制和半分析方法中产生过于紧凑和明亮的群体的问题。
The effect of baryons on the positions and velocities of satellite galaxies in the MTNG simulation
Universidad de Sevilla（塞维利亚大学）；Donostia International Physics Center（多诺斯蒂亚国际物理中心）；IKERBASQUE, Basque Foundation for Science（伊卡巴斯基，巴斯克科学基金会）；Institute for Computational Cosmology, Department of Physics, Durham University（杜伦大学物理学院计算宇宙学研究所）；Kavli Institute for Cosmology Cambridge（剑桥卡弗里宇宙学研究所）；Institute of Astronomy（天文学研究所）；Harvard-Smithsonian Center for Astrophysics（哈佛-史密森尼天体物理中心）；Columbia Astrophysics Laboratory, Columbia University（哥伦比亚大学天体物理学实验室）；Max Planck Institute for Astrophysics（马克斯·普朗克天体物理学研究所）
Three-Dimensional Stacking as a Line Intensity Mapping Statistic
California Institute of Technology（加州理工学院）；Center for Cosmology and Particle Physics, Department of Physics, New York University（纽约大学物理系宇宙学与粒子物理中心）；Department of Physics, Southern Methodist University（南方卫理公会大学物理系）；Department of Astronomy, Cornell University（康奈尔大学天文学系）；Institute of Theoretical Astrophysics, University of Oslo（奥斯陆大学理论天体物理研究所）；Departement de Physique Théorique, Universite de Genève（日内瓦大学理论物理系）；Canadian Institute for Theoretical Astrophysics, University of Toronto（多伦多大学加拿大理论天体物理研究所）；Department of Physics, University of Toronto（多伦多大学物理系）；David A. Dunlap Department of Astronomy, University of Toronto（多伦多大学戴维·A·邓拉普天文学系）；Department of Physics, University of Miami（迈阿密大学物理系）
