CSST精确宇宙学统一prior挑战
- 研究领域：宇宙学
- 后端仪器：巡天相机
- 赛题内容：
本次挑战题目为“CSST 科学数据挑战大赛”第一轮比赛宇宙学题目（https://nadc.china-vo.org/events/CSSTdatachallenge/info/Competition_results）的升级挑战。
我们提供 2000 平方度的仿真星表，使用类似 CSST 主巡天的选择函数选出 source 星系样本，以及类似 DESI 的 lens 星系样本。CSST 仿真星表添加了 shape noise 和 5 种以上未知幅度的常见系统误差，其中2 种 bias 已在第一轮比赛中揭秘（见第一轮的评比报告）。
使用任何统计量或统计量组合，进行宇宙学推断。宇宙学参数包括 S_8, Omega_c*h^2, Omeag_b*h^2, h, n_s（Omega_c+Omega_b=Omega_m）， nuisance parameter 至少要包括shear multiplicative bias 和 mean redshift bias 这两个已公布的系统误差，参数限制使用给定 prior。
因第一轮比赛中发现数个参赛队伍存在 prior 导致的问题，本轮要求参赛队伍使用统一 prior，参考评分标准描述。提交结果为 MCMC chain，并包括 contour 作图程序以便于打分。
- 数据文件：
仿真数据与第一轮比赛相同，参与第一轮比赛的队伍可直接使用原数据。提供 2 组数据：
- DESI-like样本，包括BGS、LRG、ELG，
数据地址：https://www.alipan.com/s/GAXNxHiiA9w，提取码: 0km0
DESI-like数据包括：
天区位置:ra, dec，
光谱红移:z，
stellar mass: M_*，
specific star formation rate: sSFR。
注：DESI-like样本因snapshot拼接效应，每50Mpc/h为一个断层，层与层之间大尺度结构会缺失，使用时注意。
- CSST-like shear样本，包括noise和数种系统误差，约1.4亿星系，提供整体红移分布估计。
数据地址：https://www.alipan.com/s/eVsRegD1nyD，提取码: 6hc4
CSST-like数据包括：
天区位置: ra, dec，
测光红移: zp，
Shear测量: e1,e2
权重：w8（暂设为1，未来版本迭代）
注：CSST-like已按照近似等星系数密度分tomography，并提供对应的n(z)分布估计（.npz文件）。因考虑用户可能需要自行分bin，星表中提供预测的星系平均红移z用于估计样本红移分布n(z)，实际观测中无法得到z。
- 评分标准：
要求使用给定的 prior：
S_8: flat(0.63,0.95)
Omega_c*h^2: flat(0.051,0.255)
Omega_b^h^2: flat(0.019,0.026)
h: flat(0.64,0.82)
n_s: flat(0.93,1)
第 i 个红移 bin 的 shear multiplicative bias m_i: Gauss(0,0.03)
第 i 个红移 bin 的 mean redshift bias \Delta z_i: Gauss(0,0.01)
NLA 模型下 intrinsic alignment amplitude A_{IA}: flat(-6,6)
主要评分参考 2 个关键宇宙学参数 Omega_m 和 sigma_8 的限制：best-fit与真值的绝对偏差（40 分），统计误差的大小（40 分）。
同时要求提交完整的 MCMC chain ，包 括 S_8, Omega_c*h^2,Omeag_b*h^2, h, n_s 和所有 nuisance parameter，用于裁定 prior 范围是否正确。如果使用了更小范围的 prior 或者 fix 参数，则需要提交一份误差分析报告，给出合理的解释（比如你的方法使用了类似 clustering-z、self-calibration 等额外的统计量）或者用合理的手段（Fisher、外部仿真等）从 best-fit 和统计误差中扣除你的每一个额外假设带来的影响（20 分）。注意如果更改提供的红移分 bin，对于 prior 也要有合理的修改，不然算作不合理假设。
如果同时提交多组分析结果，会选取得分最低的一组作为最终得分，建议参赛团队自行选择好统计量和数据 cut，仅提交一组结果。
如有任何问题，请发邮件至csst_uc@nao.cas.cn，并标题注明“第二轮CSST数据挑战大赛”。