本文提出了一種新的方法,利用主成分分析(PCA)和大規模優化參數估計與數據壓縮(MOPED)算法,從光譜銀河巡天中有效提取BAO和RSD的關鍵宇宙學資訊。
首先,作者對銀河相關函數的二維(𝑠, 𝜇)進行PCA分析,發現前幾個主成分模式就包含了大部分的BAO和RSD信息。相比於傳統方法使用低階多極矩,PCA方法能夠獲得更緊湊的BAO和RSD參數約束,FoM提高了17%。
接下來,作者利用MOPED方案對這些關鍵的主成分模式進行壓縮,將數據向量的維度壓縮到與感興趣參數數量相同,幾乎沒有損失約束能力。
作者將這種PCA和MOPED的聯合方法應用於BOSS DR12的模擬和實際銀河樣本,結果表明這種方法不僅能有效提取BAO和RSD的關鍵信息,而且能顯著降低系統偏差,是一種強大的銀河聚類分析工具。
翻譯成其他語言
從原文內容
arxiv.org
深入探究