syren-halofit：ΛCDM 非线性物质功率谱的快速、可解释、高精度公式
内容提要
本文综述宇宙学模拟与建模进展，涵盖：利用遗传编程符号回归逼近功率谱和σ8；N体模拟揭示非线性结构由持续合并的暗物质晕主导；开发高效模拟方法及公共代码；分析2dFGRS功率谱并发现重子振荡；用图神经网络从Halo目录推断宇宙学参数；提出21厘米信号半数值工具；GALFORM半解析模型追踪星系形成；FastPM可扩展N体求解器；SCORCH研究再电离期。
延伸解读
符号回归在宇宙学中的可解释性优势
文章提到利用遗传编程的符号回归框架探索功率谱和σ8的数学表达式空间，并提供物理解释。这种方法不同于黑箱机器学习，能给出解析逼近式，有助于理解非线性演化的物理机制。对于需要可解释模型的宇宙学参数推断，符号回归提供了一条兼顾精度与透明度的路径。
非线性结构形成：稳定聚类失效与暗物质晕合并
基于N体模拟的研究发现，高度非线性结构不服从稳定聚类，而是由持续合并的暗物质晕主导。这一结论修正了传统解析缩放公式的适用性，并提出了更精确、适用于更一般功率谱的分析方法。读者可关注该发现对理解小尺度结构形成的影响。
快速模拟与机器学习推断的权衡
文章介绍了FastPM等可扩展N体求解器，以及用图神经网络从Halo目录推断宇宙学参数的方法。这些工具能高效生成模拟数据或实现无似然推断，但图神经网络在多种参数下存在精度与健壮性的权衡。实际应用中需根据科学目标选择合适工具。
从2dFGRS到21厘米：观测与建模的多样性
文章涵盖2dFGRS功率谱分析发现重子振荡、21厘米信号半数值工具、GALFORM半解析模型以及SCORCH再电离研究。这些工作展示了宇宙学从大尺度结构到再电离期的多探针研究，读者可注意不同观测手段如何互补约束宇宙模型。
Q&A
什么是syren-halofit？它有什么特点？
syren-halofit是一个基于遗传编程符号回归的框架，用于探索能够近似表示功率谱和σ8的潜在数学表达式空间，同时提供物理解释，并提供一个简单的解析逼近式来计算σ8。
非线性物质功率谱的演化有什么特点？
高度非线性结构不服从稳定聚类，而是被持续合并的暗物质晕涵盖。基于N体模拟的解析缩放公式比Hamilton等人的工作更精确，可适用于更一般的功率谱。
2dFGRS功率谱分析得出了什么结论？
2dFGRS功率谱可以用来推断宇宙的物质含量，而且在大尺度上，估计的功率谱显示出在CDM模型中预测的“重子振荡”。
图神经网络如何用于宇宙学参数推断？
使用图神经网络在Halo目录上进行训练，实现宇宙学参数无似然场水平的推断。该模型在使用多个不同的N-body模拟和代码运作的Halo目录进行测试时非常健壮，同时探讨了使用多种参数会受到精度和健壮性的权衡问题。
FastPM是什么？它有什么应用？
FastPM是一种高度可扩展的近似粒子网格N体求解器，采用时间步进方案，可以在低Ns和B分辨率下实现足够的精度，它在生成大量嘲笑数据，产生非线性统计数据和作为初始条件求解器等方面具有广泛的应用。
SCORCH项目的研究目标是什么？
SCORCH是一个新项目，旨在研究再电离时期（EoR），使用高分辨率N体模拟，研究了首要电离辐射源的丰度和演化，并构建了一个天体物理学模型，通过对测量的高红移星系和模拟的暗物质晕的连接，探索了宇宙中黑暗物质晕的特征和它们带来的再电离贡献，并对Soon首次观测到的暗时代星系进行了预测，用于目前和将来的空间望远镜的观测。
