DES Y3 剪切数据首次用积分三点相关函数做宇宙学推断，联合两点统计把品质因子提高约一倍
核心概要
暗能量巡天第三年（DES Y3）弱透镜剪切数据第一次用积分三点相关函数（i3PCF，把局部孔径质量与周围剪切关联起来的高阶统计量）做宇宙学分析，也是三点剪切统计首次在巡天数据上使用完全基于模拟的推断。联合两点相关函数后，i3PCF 以 12.8 的信噪比被探测到，Ωm–S8–w 参数空间的品质因子比单用两点统计提高约一倍，增益来自重子效应较弱的大角度尺度。
深度剖析
DES 第三年弱引力透镜剪切目录现在可以同时用两点相关函数和积分三点相关函数约束平坦 ΛCDM 参数，三点统计在数据中被探测到，信噪比为 12.8。 此前同一批 DES Y3 剪切数据主要靠两点统计提取信息，而两点统计只对密度场的二阶矩敏感，看不到晚期物质分布非高斯性里的高阶信息。 联合数据矢量的信噪比为 33.0，其中两点相关函数为 31.0、积分三点相关函数为 12.8，协方差由前向模型的 16000 个基准足迹估计。
联合分析给出 Ωm、S8 与 w 的后验中位数和 68% 可信区间，并让 Ωm–S8–w 参数空间的品质因子比单用两点统计提高约一倍。 单用两点相关函数时，Ωm 与 S8 沿一条退化方向受限，三点统计约束的是两者的另一种组合，联合后后验落在两条约束的交点上。 在单个 DES Y3 数据实现上，加入 i3PCF 使 Ωm 改善 22%、S8 改善 26%、w 改善 49%，Ωm–S8–w 品质因子提高 99%；这一提升幅度落在 800 个基准噪声实现与 1250 个测试案例同一量的第 65 至第 77 百分位之间。
推断不假设高斯似然，而是用前向模拟训练归一化流来学习压缩后数据矢量的似然。 高阶统计量的似然一般没有解析形式，常用的高斯似然近似对高阶统计未必成立。 1440 维联合数据矢量先经 MOPED 线性压缩到 17 个系数，再由神经样条流在 CosmoGridV1 的 60000 个模拟上训练，前向模型包含巡天掩膜、形状噪声、内禀排列、重子反馈、光度红移不确定度和剪切标定偏差。
分析在盲测流程下完成，只有覆盖率检验、学习似然精度检验和内部一致性检验全部通过后才解盲。 此前的 DES Y3 基于模拟的推断分析多在事后层面设盲，这次在星表层面就把所有星系椭率乘上一个未知因子。 八条推断流程的 TARP 覆盖率都落在二项分布带内，全部通过覆盖率检验；DES Y3 测量在联合分析中位于学习似然马氏距离的第 56 百分位，与典型模拟测量无法区分。
启示与展望
结果针对 DES Y3 弱透镜剪切星表，使用 4143 平方度的有效面积和四个层析源分箱，尺度下限约为像素尺度的两倍，以排除受重子反馈影响最强的小尺度。读者对象是关心弱透镜高阶统计与基于模拟推断的宇宙学研究人员。
前向模型只基于 CosmoGridV1 一套模拟，未能在独立 N 体代码的模拟上检验输入宇宙学的恢复；先验只覆盖固定总中微子质量的平坦 ΛCDM，没有对应的 wCDM 分析；内禀排列只用不含红移演化的 NLA 模型注入；MOPED 压缩向量固定在单一基准宇宙学，可能损失信息但不引入偏差。