我们提供了一个面向机器学习应用的综合数据集，用于从模拟 DESI BGS 观测中重建暗物质的密度与速度场。该数据集基于高分辨率的 九天 N 体模拟 构建，并采用 Planck 2018 的宇宙学参数。
本数据集包含以下内容：
1）实空间暗物质密度场；
2)  实空间速度场（三维分量）；
3）红移空间星系密度场。

该数据集的关键特性包括：
1）几何选择函数，模拟 DESI 的天区覆盖；
2）星等限制采样（z 波段视星等 mz < 19.0）；
3）红移空间畸变效应，包括 Kaiser 效应与 Finger-of-God 效应；
4）DESI BGS 天空掩膜，覆盖北银河帽区域约 9625 平方度的天区；
5）红移范围：0.1 < z < 0.4。

为模拟类光锥的观测几何结构，我们对模拟盒进行了随机旋转和平移后进行叠加构建。特别地，为了在边长为 1564 h⁻¹ Mpc 的周期性盒子中最大化天区覆盖范围，我们在赤经方向上引入了固定 58 度的旋转变换。所有物理场被投影到一个 512³ 网格中，密度和速度场的构建采用 云-粒子（Cloud-in-Cell, CIC）方法。

此外，我们提供了 10 个经过随机旋转和平移的 mock 样本，可用于深度学习模型的稳健训练、验证与误差评估。
该数据集构成了 DarkAI 重建框架的基础，可用于从红移空间星系分布中重建暗物质的密度、速度和潮汐场。它是进行宇宙学推断方法基准测试以及在真实观测条件下训练与评估基于物理场的机器学习模型的重要资源。
更多技术细节请参考论文：“DarkAI: Reconstructing the density, velocity and tidal field of dark matter from DESI-like bright galaxy sample”（arXiv:2501.12621）。

需要指出的是，当前版本的数据尚未包含光纤分配（fiber assignment）所引起的观测选择效应，该部分将在未来公开版本中补充。此外，当前v2版本与v1版本的主要区别是，v1版本只包含一个星系场样本，因此建议只使用v2版本数据。