Biais secondaire à travers le temps cosmique II : Reconstruction des propriétés des halos en utilisant des informations de clustering

Lors de la construction de catalogues fictifs de galaxies basés sur des ensembles de catalogues de halos de matière noire générés avec des méthodes approximatives, calibrées ou d'apprentissage machine, l'attribution des propriétés intrinsèques pour ces traceurs est une étape d'une importance primordiale, étant donné que celles-ci peuvent façonner l'abondance de clusters de galaxies fictives et la distribution spatiale des galaxies fictives. Nous explorons la possibilité d'attribuer des propriétés des halos de matière noire dans le contexte d'approches calibrées/apprenantes, en utilisant explicitement des informations de clustering. L'objectif est de récupérer le signal correct de biais primaire et secondaire de grande efficacité en fonction des propriétés reconstruites uniquement sur la base des propriétés de l'espace des phases de la distribution des halos et du champ de densité de matière noire. L'algorithme reconstruit un ensemble de propriétés de halos (telles que la masse viriale, la vitesse circulaire maximale, la concentration et la rotation) contraint à reproduire à la fois le biais primaire et le biais secondaire (ou d'assemblage). Les ingrédients clés de l'algorithme sont la mise en œuvre de biais effectifs à grande échelle assignés individuellement, une approche multi-échelle pour tenir compte de l'exclusion des halos et une attribution hiérarchique des propriétés des halos. La méthode facilite l'attribution des propriétés des halos visant à reproduire le biais effectif à grande échelle, tant primaire que secondaire. Cela améliore les méthodes précédentes trouvées dans la littérature, en particulier pour la population de haute masse. Nous avons conçu une stratégie pour reconstruire les principales propriétés des halos de matière noire obtenues par des algorithmes calibrés/apprenants, de manière à ce que les statistiques à un et deux points attendues (à grande échelle) répliquent le signal des simulations détaillées à N corps. Nous encourageons l'application de cette stratégie (ou la mise en œuvre de notre algorithme) pour la génération de catalogues fictifs de halos de matière noire basés sur des méthodes approximatives.