---
title: "在模拟里重算剪切相关与层析"
description: "在受限模拟中测量剪切相关，与两种理论预期对照，再故意用旋转的形状和红移错配把分析弄坏。"
canonical_url: "https://sandboxphysics.com/zh/stories/weak-lensing/recompute-shear-correlations/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/weak-lensing/recompute-shear-correlations/"
last_modified: "2026-11-14"
---

[弱引力透镜与质量图](https://sandboxphysics.com/zh/stories/weak-lensing/)

# 在模拟里重算剪切相关与层析

Sandbox Physics · 2026-11-14

这份指南在 24 次受限模拟中测量两个红移区间的剪切相关函数 $\xi_\pm$，并与两种理论预期对照。它从 200 份带噪声的星表里恢复一个等温晕的爱因斯坦半径，看不出可测的偏差。然后故意把分析弄坏：形状转 $45^\circ$，$\xi_-$ 就变号；把远区间 20% 的星系挪进近区间，近区间的信号就高出 42%。所有数字都出自同一个脚本，运行不到十秒。这里没有任何巡天数据。

先读[剪切相关函数与红移层析](https://sandboxphysics.com/zh/stories/weak-lensing/shear-correlations-and-tomography/)和[把剪切场变成质量图](https://sandboxphysics.com/zh/stories/weak-lensing/from-shear-to-a-mass-map/)。

## 获取文件

把下面十个文件放进同一个空文件夹：

- [README.md](https://sandboxphysics.com/zh/stories/weak-lensing/materials/README.md)，运行说明与失败案例
- [simulation-inputs.json](https://sandboxphysics.com/zh/stories/weak-lensing/materials/simulation-inputs.json)，全部设置、单位和随机种子
- [lensing\_geometry.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/lensing_geometry.py)，距离与平面权重
- [restricted\_shear\_simulation.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/restricted_shear_simulation.py)，透镜平面、剪切与星系星表
- [shear\_two\_point\_estimator.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/shear_two_point_estimator.py)，星系对求和估计量
- [shear\_theory\_reference.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/shear_theory_reference.py)，两种理论预期
- [isothermal\_injection\_recovery.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/isothermal_injection_recovery.py)，晕的恢复与质量图检验
- [reproduce.py](https://sandboxphysics.com/zh/stories/weak-lensing/materials/reproduce.py)，运行全部步骤并比较
- [expected-outputs.json](https://sandboxphysics.com/zh/stories/weak-lensing/materials/expected-outputs.json)，本页引用的数字
- [provenance.json](https://sandboxphysics.com/zh/stories/weak-lensing/materials/provenance.json)，来源、约定与 SHA-256 校验和

然后运行：

```
python3 -m pip install numpy scipy
python3 reproduce.py
```

脚本会写出 outputs/computed-outputs.json，把每个数字与 expected-outputs.json 按 $10^{-6}$ 的相对容差比较，打印 PASS 或不一致之处。我们用的是 Python 3.9.6、numpy 2.0.2、scipy 1.13.1。换一个 numpy 版本，随机数可能不同；这时用 python3 reproduce.py --write-expected 保存你自己的输出，下面的统计量应当相差不大。

## 模拟里有什么

**表 5.1** 所有脚本共用的单位与设置。

| 量 | 设置 |
| --- | --- |
| 角度 | 角分；多极矩 $\ell$ 以每弧度计 |
| 距离 | 共动距离，以 $c/H_0$ 为单位，平坦宇宙，$\Omega_{\rm m}=0.3$ |
| 网格 | $512\times512$ 个 $0.5'$ 像素，周期边界，即 $256'$ 见方 |
| 透镜平面 | $z=0.25$、$0.5$、$0.8$，相互独立的高斯场 |
| 平面功率谱 | $P(\ell)=6\times10^{-10}\,(\ell/1000)^{-1.2}\,e^{-(\ell/6000)^2}$ |
| 剪切 | 在网格上取 $\hat\gamma=e^{2i\beta}\hat\kappa$，平均值设为零 |
| 形状 | $\epsilon=\epsilon^{\rm s}+\gamma$，每分量 $\sigma_\epsilon=0.26$ |
| 源区间 | $z_{\rm s}=0.6$ 和 $1.2$，每个每平方角分 10 个星系 |
| 实现次数 | 24 次，种子 6701 到 6724 |

每个区间的会聚是三个平面的加权和，权重 $(1+z_{\rm l})\chi_{\rm l}(\chi_{\rm s}-\chi_{\rm l})/\chi_{\rm s}$ 来自透镜核。[Cosmology with cosmic shear observations: a review, Eqs. 21-24](https://arxiv.org/abs/1411.0115v2) 总体常数并进了平面振幅。

这是一个受限模拟：没有 N 体结构，没有非线性成团，平面之间没有关联，没有遮挡，没有点扩散函数，没有内禀排列，每个区间只有一个红移。形状用的是弱剪切极限，丢掉了 $\kappa\gamma$ 量级的项。

## 估计量

每个星系分到一个像素。按像素把椭率加起来，再用快速傅里叶变换做相关，就得到周期网格上每个位移 $\boldsymbol\Delta$ 的结果：

$$
\xi_+(\theta)=\frac{\mathrm{Re}\sum\epsilon_a^*\,\epsilon_b}{N_{\rm pairs}},\qquad \xi_-(\theta)=\frac{\mathrm{Re}\sum\epsilon_a\,\epsilon_b\,e^{-4i\phi_\Delta}}{N_{\rm pairs}},
$$

在 $1'$ 到 $40'$ 的每个角度区间里对位移求和。零位移里是每个星系和它自己配成的对，也就是形状噪声，把它排除。这就是综述里的星系对估计量，权重全取一。[Cosmology with cosmic shear observations: a review, Eq. 33](https://arxiv.org/abs/1411.0115v2)

## 两种理论预期

网格期望值，是估计量在这个周期网格上必须给出的精确平均：在网格自己的波矢上对输入功率谱求和，每个位移用同样的星系对权重。连续预期是平直天空的汉克尔变换 $\xi_\pm=(2\pi)^{-1}\int\mathrm d\ell\,\ell\,J_{0,4}(\ell\theta)P(\ell)$，用自适应积分计算。[Cosmology with cosmic shear observations: a review, Eq. 35](https://arxiv.org/abs/1411.0115v2) 两者都乘上各区间组合的层析权重。

**表 5.2** 由平面权重 $W_{ip}$ 得到的层析权重。

| 相关 | $\sum_pW_{ip}W_{jp}$ |
| --- | --- |
| 近区间，$z_{\rm s}=0.6$ | 0.319 |
| 远区间，$z_{\rm s}=1.2$ | 2.277 |
| 近与远 | 0.606 |

**表 5.3** 测量值与网格期望值的对比：8 个角度区间上的对角 $\chi^2$，误差取 24 个视场平均值的标准误差。

| 相关 | $\xi_+$ 的 $\chi^2$ | $\xi_-$ 的 $\chi^2$ |
| --- | --- | --- |
| 近区间 | 6.0 | 7.1 |
| 远区间 | 12.3 | 4.1 |
| 近与远 | 15.6 | 4.9 |

相邻角度区间共享同一批结构，所以这 8 项彼此相关。上面的 $\chi^2$ 忽略了这一点，只能作参考，不是拟合优度检验。如果 8 个区间相互独立，$15.6$ 对应 $p\approx0.05$；我们没有估计协方差，所以无法判断互相关的 $\xi_+$ 是轻微不符，还是只是区间相关造成的。

在大间距上，两种预期给出的 $\xi_+$ 不一样，这本在意料之中。$33'$ 处远区间的网格期望值是 $2.10\times10^{-5}$，汉克尔值是 $4.51\times10^{-5}$，测量值是 $(2.74\pm0.50)\times10^{-5}$。$256'$ 的盒子里没有 $\ell=2\pi/256'\approx84$ 以下的波矢，而 $J_0$ 在大 $\theta$ 处恰恰给这些长波很大的权重。$J_4$ 会压低它们，所以 $\xi_-$ 的两种预期在 $33'$ 处相差不到 2%。有限视场测到的，是有限视场的期望值。

## 有意保留的失败案例

**形状转了 45 度。** 把远区间每个椭率换成 $i\epsilon$，$\xi_+$ 到最后一位都不变，$\xi_-$ 变号：$5.2'$ 处从 $+9.77\times10^{-5}$ 变成 $-9.77\times10^{-5}$。形状星表里的符号或角度错误，会表现为负的 $\xi_-$，在质量图里则表现为 B 模式里出现质量。

**红移离群。** 随机把远区间 20% 的星系挪进近区间，近区间的权重从 $0.319$ 升到 $0.453$。被污染的 $\xi_+$ 相对名义预期 $\chi^2=469.5$，相对混合预期 $\chi^2=8.2$，都是 8 个区间。红移分布一错，信号本身就挪了位置。

## 恢复一个等温晕

第二项检验与实验代码无关。一个 $\theta_{\rm E}=0.5'$ 的奇异等温球位于 $40'$ 视场中心。200 次试验中，每次以每平方角分 20 个的密度随机撒星系，内禀形状服从高斯分布，$\sigma_\epsilon=0.26$。施加精确变换 $\epsilon=(\epsilon^{\rm s}+g)/(1+g^*\epsilon^{\rm s})$，其中 $g=\gamma/(1-\kappa)$；丢掉 $\theta_{\rm E}$ 以内的星系，保证 $|g|<1$；在 $1'$ 到 $16'$ 的圆环里对切向椭率分箱，用最小二乘拟合 $\theta_{\rm E}$。[Weak Gravitational Lensing, Eqs. 3.17-3.18](https://arxiv.org/abs/astro-ph/9912508v1)

**表 5.4** 200 次试验的晕恢复结果。

| 量 | 值 |
| --- | --- |
| 真实 $\theta_{\rm E}$ | $0.5'$ |
| 拟合 $\theta_{\rm E}$ 的平均值 | $0.4997'\pm0.0018'$ |
| 拟合值的弥散 | $0.0253'$ |
| 给出误差的中位数 | $0.0224'$ |
| 拉值的标准差 | 1.14 |
| 交叉剪切显著性的平均值与弥散 | 0.07 和 0.99 |

拟合没有偏差。给出的误差小了约 12%，原因我们还没有查清。交叉剪切表现得和纯噪声一样，透镜本该如此。

拟合的第一版把每个圆环放在算术平均半径处，结果偏高 1.2%。剪切按 $1/\theta$ 下降，所以圆环内的平均剪切与模型在调和平均半径处才吻合。改用这个半径后，偏差消失了。

## 检验质量图反演

在 $256\times256$ 的网格上放一个无噪声的等温晕，用凯泽–斯奎尔斯方法反演，看质量图能恢复什么。在视场内侧一半、除去中心的区域里，真实会聚的均方根为 $0.042$。重建图与真值只差一个几乎不变的偏移，$0.0225$；视场真实的平均会聚是 $0.0220$。扣掉偏移，残差均方根为 $0.0036$，B 模式的均方根为 $0.0007$。丢掉的正是视场平均值，与质量片的论证一致。

## 这份教程不能说明什么

这里没有复现任何巡天测量。模拟在答案已知的高斯场上检验了三件事：估计量、层析的记账方式和两种失败模式。真实的宇宙剪切需要非线性结构、真实的红移分布、遮挡、权重，以及对形状测量的校准。[暗能量巡天三年数据导读](https://sandboxphysics.com/zh/stories/weak-lensing/reading-des-y3-lensing-and-clustering/)展示了一个巡天怎样处理这些问题。

## 到实验里试试

[弱引力透镜质量图](https://sandboxphysics.com/zh/labs/weak-lensing-mass-map/)：把形状弥散设为 0.26、星系密度设为 10，与教程一致，再判断质量图的噪声。

## 来源

1. [Cosmology with cosmic shear observations: a review, Eqs. 21-24](https://arxiv.org/abs/1411.0115v2)
2. [Weak Gravitational Lensing, Eqs. 3.17-3.18](https://arxiv.org/abs/astro-ph/9912508v1)

## 继续阅读

弱引力透镜与质量图 · 阅读路径

### 从星系形状到质量分布图

1. [文章 **每个星系只歪一点点，怎样拼出整片暗物质分布？**](https://sandboxphysics.com/zh/stories/weak-lensing/galaxy-shapes-weigh-dark-matter/)
2. [文章 **会聚、剪切，以及星系形状测到了什么**](https://sandboxphysics.com/zh/stories/weak-lensing/convergence-shear-and-galaxy-shapes/)
3. [文章 **把剪切场变成质量图**](https://sandboxphysics.com/zh/stories/weak-lensing/from-shear-to-a-mass-map/)
4. [文章 **剪切相关函数与红移层析**](https://sandboxphysics.com/zh/stories/weak-lensing/shear-correlations-and-tomography/)
5. [当前页面 **在模拟里重算剪切相关与层析**](https://sandboxphysics.com/zh/stories/weak-lensing/recompute-shear-correlations/)
6. [文章 **怎样读暗能量巡天三年数据的透镜与成团分析**](https://sandboxphysics.com/zh/stories/weak-lensing/reading-des-y3-lensing-and-clustering/)
