Emulateurs de biais hybride et de déplacement pour la modélisation au niveau du champ de la classification des galaxies dans l'espace réel et à décalage vers le rouge

RÉSUMÉ Récemment, les expansions de biais hybride ont émergé comme une approche puissante pour modéliser la façon dont les galaxies sont distribuées dans l'Univers. De même, les émulateurs au niveau du champ ont récemment été rendus possibles grâce aux avancées en apprentissage automatique et en simulations N-corps. Dans cet article, nous explorons si ces deux techniques peuvent être combinées pour fournir un modèle au niveau du champ pour le regroupement des galaxies dans l'espace réel et à décalage vers le rouge. Plus précisément, ici nous allons démontrer que les émulateurs au niveau du champ sont capables de prédire avec précision tous les opérateurs d'une expansion de biais hybride de second ordre. La précision atteinte dans l'espace réel et à décalage vers le rouge est similaire à celle obtenue pour le spectre de puissance de matière non linéaire. Cela se traduit par une précision d'environ 1 à 2 pour cent pour le spectre de puissance d'un échantillon de galaxies BOSS (Baryon Oscillation Spectroscopic Survey) et d'un échantillon de galaxies de type Euclid jusqu'à k 0,6\ h\, Mpc^-1. Fait remarquable, cette approche combinée fournit également des prévisions précises pour les statistiques de galaxies au niveau du champ. Malgré tous ces résultats prometteurs, nous détectons plusieurs domaines où des améliorations supplémentaires sont nécessaires. Par conséquent, ce travail sert de feuille de route pour les développements nécessaires à une exploitation plus complète des enquêtes sur la structure à grande échelle à venir.