← 返回 PaperDaily 视觉与图像

星系巡天也能测原初物理？DESI给出-3±12

这篇论文把“宇宙早期有没有搞小动作”这件事，搬到了 DESI DR1 的星系巡天里来验算。更妙的是，它不只报结果，还顺手给出一套处理成像系统误差的实战方案，读起来像宇宙学版“查账单”。

龙哥读论文 阅读 2 查看原文
#预测模型
星系巡天也能测原初物理？DESI给出-3±12
🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！
👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
这篇论文把“宇宙早期有没有搞小动作”这件事，搬到了 DESI DR1 的星系巡天里来验算。更妙的是，它不只报结果，还顺手给出一套处理成像系统误差的实战方案，读起来像宇宙学版“查账单”。


原论文信息如下：
论文标题:
Measuring local primordial non-Gaussianity from the clustering of DESI DR1 LRGs and QSOs
发表日期: 2026年06月
发表单位: 没有
原文链接: https://arxiv.org/pdf/2606.24651v1.pdf

从宇宙微波背景到星系巡天：原初非高斯性的新探测窗口

宇宙学里有个老问题：早期宇宙到底是“规规矩矩”的单场慢滚，还是“人多热闹”的多场模型？这事儿不靠占卜，主要靠看今天宇宙里星系怎么抱团。原初非高斯性，就是检验这件事的关键线索之一。简单说，如果早期涨落只是最朴素的高斯随机场，那很多统计量会很“老实”；一旦出现非高斯性，早期宇宙的生成机制就可能没那么单纯。
这篇论文盯住的参数是 fNL，它是 local primordial non-Gaussianity 的强度参数，中文通常可理解为“局域型原初非高斯性参数”。论文采用的基本写法是把原初势分解为高斯项和二次修正项：
原初势的局域型非高斯性参数化公式
这里的 Φ 是含非高斯修正的原初引力势，φ 是高斯随机场，fNL 控制二次项的强弱。若 fNL 接近 0，宇宙就更像“单线程”慢滚；若显著偏离 0，就像早期宇宙里突然多开了几个进程。
过去这类测量最强的舞台一直是宇宙微波背景，也就是 CMB（Cosmic Microwave Background，中文通常叫“宇宙微波背景辐射”）。CMB 像一张早期宇宙的“婴儿照”，温度涨落极其精细，Planck 已经把 fNL 压到很小的误差范围。但 CMB 也不是万能的，毕竟它看的是一张照片；而星系巡天看的是宇宙长大后的“群像”，能从另一条路径补刀式验证原初物理。
这篇工作最有意思的地方就在于：它不是只在理论上“谈宇宙”，而是直接拿 DESI DR1 的 LRG 和 QSO 来做实测。LRG 是 luminous red galaxies，中文叫“发光红星系”；QSO 是 quasars，中文一般叫“类星体”。这俩对象一个偏低红移、一个偏高红移，像宇宙历史里两个不同年龄段的“证人”，一起出庭，证词更稳。

构型空间两点相关函数：DESI的新武器

这篇论文的主角不是传统的功率谱，而是构型空间两点相关函数，也就是 2pcf（two-point correlation function，中文常写“两点相关函数”）。它干的事很朴素：看两颗星系在某个距离上“成对出现”的概率是不是比随机情况更高。若某些大尺度上出现偏离，就可能跟原初非高斯性有关。
论文选择构型空间而不是只看傅里叶空间，不是为了“换个姿势摆拍”，而是因为两种空间里系统误差和信号的表现方式不一样。构型空间里，非高斯性对相关函数的影响会铺得更开；这意味着它和成像系统误差的纠缠方式也会变得不同。换句话说，想抓住 fNL 这只“宇宙小狐狸”，得换个更合适的捕兽夹。
Figure 1
图1：DESI DR1 LRG 的加权角向密度分布。可以看到北银极、南银极被银河平面分开，说明巡天覆盖并不完全对称，这也是后面系统误差要认真处理的原因。
Figure 2
图2：DESI DR1 LRG 的加权红移分布。不同天区的样本在红移上有差异，后续拟合必须把这些差异当成“背景噪音”认真管理。
为了高效计算两点相关函数，论文使用了 ConKer 算法。它的核心思路可以理解成：不再傻乎乎地把所有星系两两配对暴力遍历，而是把密度场和球壳核卷积起来，把计算复杂度压到接近 O(Ng)。这里 Ng 是 tracer 数量。对 DESI 这种动辄上百万样本的任务来说，这种优化就很像“把算盘换成计算器”，差距非常实在。
具体流程也不复杂：先由红移通过宇宙学积分换成共动距离，再把真实数据和随机点都放进三维网格；随后给每个点乘上总权重 wtot，最后从数据场减去按总权重归一后的随机场，形成密度对比场，再和不同尺度的球壳核做卷积，得到单极项相关函数。
共动距离公式
这条式子把红移 z 转成共动距离 r(z)。你可以把它理解为：宇宙学不是直接数“第几排座位”，而是先算“每个人坐多远”。
总权重公式
总权重由四部分相乘得到：wsys 负责成像系统误差，wcomp 处理样本不完备，wzfail 修正红移失败，wFKP 则是 Feldman-Kaiser-Peacock 权重，用来平衡不同红移处的样本密度。FKP 全称是 Feldman–Kaiser–Peacock weighting，中文可译为“费尔德曼-凯泽-皮科克权重”，出处是 Feldman et al. 1993。
加权总数公式
加权后对象总数不再是简单计数，而是所有权重的求和。这样做的好处是：巡天里那些“看起来多、其实不均匀”的问题，能被更公平地折算进去。

基于模拟的统计模型与成像系统atics缓解

真正难的地方，不在于把 2pcf 算出来，而在于把“宇宙信号”和“观测污染”分开。DESI DR1 的大尺度角向密度并不完美，灰尘消光、恒星密度、视宁度、巡天深度这些因素都会让星系分布看起来“有点不对劲”。问题是，fNL 也会在大尺度上制造类似的异常。要是处理不好，系统误差就会假扮成原初非高斯性，宇宙学就会被“误导消费”。
论文的做法是完全基于模拟：先用 AbacusSummit 的高分辨率 N-body 模拟构造一个没有 PNG 的基准模型，再用 FastPM 模拟估计 PNG 造成的偏移，并通过线性插值把 fNL 的变化映射到 2pcf 上。这里的 FastPM 是一种近似 N-body 方法，优点是快，适合大规模参数扫描；代价是精细度不如全量高精模拟，但在这类统计拟合里已经够用。
2pcf对fNL的线性响应
这条式子表达的是：在固定尺度上，2pcf 对 fNL 的响应可以近似看成线性。于是只要知道零点和斜率，就能把数据往回推。
模型2pcf分解公式
模型被拆成两块：第一块是无 PNG 的基准相关函数，第二块是 PNG 带来的修正项。b1 是线性星系偏置，b1h 是模拟 halo 的偏置，rφ 则负责把模拟 halo 和真实 tracer 的 PNG 响应对齐。
PNG偏置关系公式
这里的 bφ 是 PNG bias，中文可理解为“原初势响应偏置”。它和线性偏置 b1 的关系来自 Universality relation（Barreira 2020 引用），其中 p 是描述 tracer 形成历史的参数。论文对 LRG 和 QSO 取了不同的 p 先验，这一点非常关键，因为不同天体“出生背景”不一样，不能一刀切。
r_phi公式
这条式子把“模拟 halo 的偏置”与“真实 tracer 的偏置”之间的差异压缩成一个比例因子。说白了，就是让模拟别太自恋，得学会对现实巡天低头。
成像系统误差的处理更像“给权重做体检”。论文把 DESI 的观测区域分成 MzLS、(N)DEC、(S)DEC 三块，因为不同区域的成像质量不同，权重可能被过度或不足应用。于是引入 KsysR 来描述某一区域权重偏差的百分比，再用二次函数拟合这种偏差对 2pcf 的影响。
系统权重扰动公式
如果 KsysR 为负，表示该区域的系统权重被“少加了”；为正，则表示“多加了”。这种参数化很直白，也很实用，适合拿来做系统误差灵敏度分析。
系统误差二次项公式
最终，系统误差被当作额外项加进模型里。这样做的意思是：别把观测偏差硬塞给 fNL 背锅，能分清的尽量分清。
拟合参数列表
这里的 nuisance parameters（中文常称“扰动参数”或“边缘参数”）包括 halo 偏置、fiducial 偏置、p 以及三个区域的系统误差参数。θ 就是这些参数的集合。
卡方函数
拟合目标是最小化 χ²：前半部分衡量模型和观测的差距，后半部分是先验惩罚。换句话说，模型不能一边乱猜，一边还想装作很自信。
Table 1
表1：LRG 和 QSO 的拟合先验设置。可以看到，fNL 和 b1 采用平坦先验，而 halo 偏置、p 和系统误差参数采用高斯先验。QSO 的 p 取值明显不同于 LRG，这正是不同 tracer 物理性质差异的体现。

LRG与QSO联合测量：fNL=-3±12，逼近CMB精度

先说结论：论文最终得到的联合约束是 fNL = -3-12+12，与零相容。单看 LRG，结果是 -3-21+22；单看 QSO，则是 0-16+17。这不是“发现了新物理”，而是很稳地告诉大家：在当前精度下，DESI DR1 还没有看到明显偏离高斯初始条件的证据。
但别小看这个“没偏离”。宇宙学里很多重要的结果，本来就不是靠“看见大新闻”成立，而是靠把误差压到足够低，最后让理论模型无处躲藏。更关键的是，这里用的是星系巡天，不是 CMB。也就是说，原初物理的约束正在从“婴儿照片”延伸到“成年群像”，而且精度已经开始追着 CMB 跑了。
Figure 3
图3：DESI DR1 LRG 的参数边缘分布。可以看到 fNL 的峰值靠近 0，误差条比较宽，但已经足够说明没有明显偏离高斯初始条件。
Figure 4
图4：DESI DR1 LRG 的 2pcf 拟合结果。上面是数据点和最佳拟合模型，下面是残差。阴影区域是 BAO 尺度，论文把这部分先遮掉了，原因是 BAO 峰受非线性演化影响，当前模型还不想和它硬碰硬。
LRG 的样本量相当可观，北天区和南天区加起来超过两百万量级。拟合时用了 MCMC（Markov Chain Monte Carlo，马尔可夫链蒙特卡洛）采样，75 个 walker 跑 2 万步，属于典型的“让参数自己慢慢想清楚”。结果显示，很多 nuisance parameters 基本被先验锁住，真正有约束力的是数据对 fNL 的响应。
Figure 5
图5：DESI DR1 QSO 的加权角向密度分布。和 LRG 一样，南北天区并不完全均匀，这也是为什么系统误差不能偷懒。
Figure 6
图6：DESI DR1 QSO 的加权红移分布。QSO 的有效红移更高，意味着它们在更早的宇宙时期提供信息，和 LRG 形成互补。
Figure 7
图7：DESI DR1 QSO 的参数边缘分布。QSO 对 fNL 的约束更紧一些，说明高红移样本在原初物理上确实更有“发言权”。
Figure 8
图8：DESI DR1 QSO 的 2pcf 拟合结果。和 LRG 类似，数据与模型在主要尺度上相当一致，残差没有出现那种“模型脸上写着不服”的局面。
QSO 部分的一个小细节很值得记住：它的 p 先验和 LRG 不一样，取的是 1.6±0.1。这不是随便改参数，而是因为不同 tracer 的形成环境不同。换句话说，星系和类星体都在宇宙里“长大”，但成长路径不一样，不能拿同一把尺子硬量。
Figure 9
图9：LRG、QSO 以及联合拟合的 fNL 后验分布。紫色联合结果最紧，已经开始逼近 Planck 的精度带，说明 DESI 的大尺度结构信息正在快速补位。
Figure 10
图10：扰动参数后验相对先验的偏移幅度。这里能看出，成像系统误差和 p 参数几乎是先验主导，而 halo 偏置在部分样本上还能被数据进一步收紧。这也解释了为什么联合测量能明显提升约束。
Figure B1
图B1：LRG 在包含和剔除 BAO 尺度时的参数分布对比。可以看出，BAO 区间的加入会影响后验形状，所以论文选择把这段先屏蔽掉，避免模型在不擅长的地方硬扛。
Figure B2
图B2：QSO 的 BAO 尺度对比结果，结论和 LRG 一致。这个处理虽然保守，但在当前统计模型下更稳妥。
看到联合约束已经接近 CMB 精度，确实会让人有点“宇宙学也开始卷起来了”的感觉。更重要的是，这种接近不是靠单一花活，而是靠样本、模拟、系统误差控制和统计建模一起发力。

未来展望：LSS将成为原初物理最灵敏的探针

这篇论文最值得记住的，不只是一个 fNL 的数值，而是它展示了一条很清晰的路线：晚期宇宙的大尺度结构，正在从“验证宇宙学参数”的工具，升级成“探测原初物理”的主力军。
论文也给了一个很务实的提醒：做 PNG 研究，不能只盯着一个空间。傅里叶空间和构型空间最好都做，因为两者对系统误差和信号的敏感性不同。再加上成像系统误差必须认真处理，否则大尺度上的假信号很容易把结果带偏。未来 DESI 数据量继续增长后，联合更多 tracer、扩大红移覆盖、改进模拟体积和系统误差模型，都会进一步缩小 fNL 的误差条。
如果说 CMB 是“早期宇宙的显微镜”，那 DESI 这类 LSS 巡天就像“宇宙演化的长焦镜头”。一个看开头，一个看结果；两个一起上，才更容易看清宇宙到底是怎么开场的。对原初物理来说，这种互补性会越来越重要。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在测什么？它测的是局域型原初非高斯性参数 fNL。如果它显著偏离 0，就说明早期宇宙的涨落不像最简单的高斯随机场，可能需要更复杂的暴胀模型来解释。

为什么要把 BAO 尺度先去掉？BAO 是 baryon acoustic oscillation，中文叫“重子声波振荡”。这部分尺度会受非线性演化影响，而本文的统计模型并没有专门为它建模，所以作者选择先屏蔽 BAO 区间，避免把不擅长的部分硬塞进拟合里。

LRG 和 QSO 为什么要联合？因为它们的红移范围、偏置性质和系统误差结构都不同，互补性很强。把两者的后验分布合并后，fNL 的误差能进一步缩小，联合结果也更接近 CMB 的敏感度。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

把原初非高斯性放到 DESI DR1 的构型空间两点相关函数里测，并且配上模拟驱动的系统误差缓解方案，这个组合挺扎实，不是换皮式重复。

实验合理度：★★★★☆

用 LRG、QSO 两类 tracer 交叉验证，再联合拟合，外加 mock covariance 和 MCMC，整体流程比较规范。唯一要留意的是部分 nuisance 参数受先验影响较强。

学术研究价值：★★★★★

这类结果对暴胀模型判别非常关键，而且把 LSS 的能力往前推进了一大步，属于后续很多工作都会拿来对标的那种。

稳定性：★★★☆☆

方法思路稳，但对成像系统误差、先验设置和模拟体积仍然敏感。要直接做成“随手即用”的产品，还得继续打磨。

适应性以及泛化能力：★★★★☆

框架对其他大尺度巡天有较强可迁移性，但前提是样本选择、系统误差建模和模拟库都要跟得上。

硬件需求及成本：★★★☆☆

ConKer 和大规模模拟让计算成本不低，训练/拟合都不是轻量活，但比起更暴力的全对全配对方法已经友好多了。

复现难度：★★★☆☆

数据本身公开度不错，但 FastPM、系统权重处理和完整拟合链条都需要较强工程能力，复现门槛中等偏上。

产品化成熟度：★★★☆☆

更适合科研分析和巡天管线评估，不太像能直接“上线即用”的工业产品，但作为宇宙学统计工具已经相当成熟。

可能的问题：先验对结果仍有一定影响，BAO 尺度被剔除后信息量有所损失，未来最好进一步扩大模拟体积并统一处理构型空间与傅里叶空间的系统误差。


主要参考文献

Brown Z., et al., 2024, Constraining primordial non-Gaussianity from the large scale structure two-point and three-point correlation functions
Chaussidon E., et al., 2025, Constraining primordial non-Gaussianity with DESI 2024 LRG and QSO samples
Feldman H. A., Kaiser N., Peacock J. A., 1993, arXiv preprint astroph/9304022

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！       

end
欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
宇宙很大，别只盯着星星看，也来群里聊聊“宇宙为什么这样”🤨
wechat_helperdianzan
转发文章 微博 X LinkedIn Facebook
龙哥读论文 · PaperDaily

本文基于龙哥读论文 PaperDaily 数据库整理，结合论文原文与工程视角进行解读。