玻尔百科在我们对宇宙的标准理解中，星系的分布遵循一个简单的规则：被称为“晕”的最重的暗物质团块，容纳了最大规模的星系群，并且其成团性最强。这种“质量为王”的范式是成功的晕模型的一部分，长期以来一直是我们解读宇宙大尺度结构的基石。然而，来自复杂模拟和细致观测的越来越多的证据揭示了这一简单图景中的裂痕。似乎一个晕的生命史——它是如何以及何时形成的——在其于宇宙网中的位置以及其内部星系的命运中也扮演着至关重要的角色。
本文旨在探讨这一更深层次的复杂性，即所谓的星系组装偏见。它探索了一个引人入胜的观点：在质量固定的情况下，一个晕的属性与其所处环境并非相互独立。我们将研究这种微妙的效应如何在可观测宇宙中留下其印记。首先，原理与机制一章将解构这一概念，解释组装偏见是如何从一个晕的形成历史与其承载的星系之间的相互作用中产生的。随后，应用与跨学科联系一章将审视其深远影响，从解释星系的颜色到对宇宙基本属性的精密测量构成重大挑战，并探索为理解和驾驭这一宇宙“猛兽”而开发的创新方法。
想象你是一位宇宙社会学家，任务是了解一片广阔未知大陆上城市的分布。一个简单的首要规则可能是：“大山脉承载大城市。”你会绘制大陆的地形图，测量每条山脉的质量，并预测城市的分布。在一段时间内，这个模型效果极佳。质量更大的山脉，因其更为罕见且形成于巨大构造板块的交界处，确实是最大都市的所在地。这本质上就是星系在宇宙中分布的经典图景。
在宇宙学中，“山脉”是广阔、无形的暗物质晕，而“城市”是我们所见的星系。标准且极为成功的星系成团性晕模型就建立在这个简单而有力的思想之上：晕质量是决定其他一切的主要属性。一个暗物质晕的质量越大，其引力就越强，能承载的星系就越多，与其他晕的成团性也就越强。
这在直觉上很有道理。在宇宙网——遍布宇宙的暗物质丝状网络——中，质量最大的晕形成于最繁忙的交叉点。它们是宇宙密度场中的稀有峰值，因此，它们本身就是底层物质分布的更“有偏”的示踪物。一张仅显示最重晕的地图会比一张显示所有物质的地图呈现出对比更强烈、更成团的模式。由于星系存在于这些晕中，它们的成团性也自然随之而来。星系成团性对晕质量的这种简单依赖是我们理解大尺度结构的基石，而非次级效应。一个晕承载的星系数目，由晕占据数分布（HOD）描述，在这种简单的图景中，被假定仅依赖于晕的质量 。这是我们的基线，我们的“质量为王”范式。
但是，如果两条山脉的质量完全相同，其中一条是在早期剧烈的构造堆积中形成的，而另一条则是在数十亿年间缓慢和平地增长的，你会期望它们承载相同的城市吗？可能不会。它们的形成史——即它们的形成历史——应该会产生影响。
宇宙学家们开始发现，暗物质晕也是如此。当我们在复杂的计算机模拟中仔细观察时，我们发现在相同质量下，晕可以有不同的内部结构。一些高度集中且致密，而另一些则更弥散和蓬松。一些接近球形，而另一些则是拉长的。这些次级属性，如密集度（）、形成时间（）或自旋（），并不仅仅是随机的怪癖。它们是晕独特生命史的化石记录。
而关键的发现是：这些次级属性，即晕的“生命史”，也与其大尺度环境相关。在固定质量下（特别是对于质量小于我们银河系晕的晕），形成较早的晕往往更集中。它们也倾向于位于宇宙网中更稠密的区域。这意味着即使在相同质量下，它们的成团性强度也不同。这种效应被称为暗物质晕组装偏见：即暗物质晕的成团性依赖于除质量之外的、与其形成历史相关的其他属性的趋势。质量不再是绝对的君主；它更像一个君主立宪制下的国王，其权力受到一个由次级属性组成的议会的调节。
这一发现对生活在这些晕中的星系产生了深远的影响。如果“房子”（晕）的属性取决于其形成历史，那么期望“居民”（星系）也受到影响是理所当然的。我们称之为星系组装偏见的、可观测到的总效应，源于一个精妙的两部分“共谋”：
暗物质晕组装偏见（HAB）： 正如我们所见，在固定质量下，晕本身的成团性取决于其形成历史。年老、更集中的晕可能比同等质量的年轻、更蓬松的同类更紧密地聚集在一起。
占据数变化（OV）： 在固定质量下，一个晕承载的星系数目也取决于其形成历史。也许那些年老、更集中的晕在形成恒星方面效率更高，或者它们更深的引力势阱能留住更多的卫星星系。这是星系-晕关联本身的变化。
星系组装偏见是这两种效应同时作用的最终结果。它是任何超出简单的“质量为王”模型所预期的星系成团性变化。它可以在小尺度上，在一个单独的晕内部（单晕项），通过改变卫星星系的数量和分布来体现。它也可以在广阔的宇宙尺度上（双晕项），通过改变整个星系样本的有效偏见来体现。
暗物质晕组装偏见和占据数变化之间的相互作用可以导致一些有趣的结果。一个星系样本的有效大尺度偏见 不仅仅是晕偏见的平均值，而是星系数目加权的平均值。这意味着最终的星系偏见取决于在固定质量下，晕偏见和星系占据数之间的协方差。
想象一个特定质量的晕族群。由于暗物质晕组装偏见，其中一些晕（比如高密集度的晕）比平均水平更成团。让我们探讨两种情景：
放大效应： 如果这些高密集度的晕同时也是星系形成的沃土，比低密集度的同类承载更多的星系呢？这是正协方差。星系现在优先选择了偏见最强的晕。结果呢？整个星系族群变得比该质量下平均的晕更加成团。组装偏见信号被放大了。这就像发现最高档的社区不仅位于黄金地段，而且居民也最多，使得精英阶层的人口密度远高于人们凭直觉的预期。
削弱或反转效应： 现在，如果发生相反的情况呢？如果那些高度集中、偏见更强的晕实际上是星系的坟场呢？它们强大的潮汐力可能会撕碎卫星星系，导致它们承载的星系少于平均水平。这是负协方差。现在，星系优先占据了偏见较弱的晕。这会削弱或稀释整体的成团性信号。在极端情况下，它甚至可能反转效应，使得星系样本的成团性比该质量下平均的晕更弱 [@problem-id:3473098]。
这个优雅的机制展示了重子物理——气体冷却、恒星形成和星系并合等复杂过程——如何通过调节星系-晕关联，在宇宙的最大尺度上留下其印记。
组装偏见最引人注目的观测线索之一是一种被称为星系构型符合性的现象。简单来说，就是观察到“物以类聚，星以群分”。一个红色、已猝灭（停止形成恒星）的星系，其邻居是其他红色、已猝灭星系的可能性，要高于一个蓝色、正在形成恒星的星系，即使这些邻居远在数百万光年之外，生活在完全不同的暗物质晕中。
这种“鬼魅般的超距作用”并非直接相互作用。它是双晕构型符合性的表现，是组装偏见的“确凿证据”。其逻辑如下：一个晕诞生的宏观环境影响了它的形成历史（例如，形成得早）。这个形成历史使得该晕的偏见更强（暗物质晕组装偏见）。它也影响了中心星系的命运，导致其恒星形成活动提前猝灭。诞生在同一宏观环境中的邻近晕，很可能有着相似的历史。因此，它的中心星系也很可能已经猝灭。这些星系之间从未有过交流；它们只是同一宏观环境的产物，其属性由它们母晕形成历史的共同遗产所塑造。
这是一个美妙的故事，但我们如何证明它呢？我们如何确定这不只是主要质量依赖性的某种复杂回响？为此，宇宙学家设计了一个极为优雅的数值实验：重排检验。
如果重排后星系样本的成团性与原始样本不同，你就找到了它。重排前后的成团性差异就是纯粹、孤立的星系组装偏见信号——即成团性中超出质量依赖的那一部分。这个检验是一个强大的、模型无关的工具，它将假设与现实分离开来。
当然，宇宙是一个混乱的地方。暗物质形成的清晰图景被普通物质（即重子）的物理过程复杂化了。来自超新星或超大质量黑洞的强大外流可以将气体从晕的中心喷射出去，有效地使其“蓬松化”，并扰乱其初始形成与其最终密集度之间的紧密联系。这可能会削弱或减弱我们仅从暗物质中预期的组装偏见信号。
此外，我们自己的观测也可能捉弄我们。想象一个巡天项目，它在探测稠密环境中的红星系方面略胜一筹。当我们分析这些数据时，我们会发现红星系显得比蓝星系更成团。这看起来与组装偏见完全一样，但它是一个观测假象——一种“愚人金”。另一个臭名昭著的元凶是光纤碰撞：在许多巡天中，用于收集光谱的机器人光纤无法在天空中放置得太近。这意味着我们系统性地错过近距星系对中的一个，而这种情况优先发生在最稠密的区域。这不仅压制了小尺度上测得的成团性，还可能微妙地降低大尺度的成团性，模拟出一种真实的物理效应 [@problem-id:3473119]。
因此，理解星系组装偏见不仅仅是一项学术活动。它是迈向精确理解我们宇宙的关键一步。它代表了宇宙网中更深层次的复杂性，证明了在一个星系的生命中，如同我们自己的人生一样，重要的不仅是你的体量，还有你来自何方以及你成长的故事。
我们已经探讨了星系组装偏见的原理，即暗物质晕的成团性不仅取决于其质量，还取决于它们是如何以及何时组合在一起的。但这仅仅是宏大宇宙故事中的一个注脚吗？远非如此。组装偏见是大自然留下的一个深邃线索，一旦被破译，它将揭示最小的星系与宇宙中最大结构之间的深刻联系。它既是宇宙学家追求极致精度时遇到的一个棘手挑战，也是一个审视宇宙演化复杂过程的强大新视角。让我们踏上一段旅程，看看这个看似深奥的效应在何处发挥其影响，从星系的颜色到宇宙本身的测量。
我们如何捕捉机器中的幽灵？组装偏见是肉眼看不见的；我们无法简单地看着一个晕就看到它的形成历史。因此，我们必须成为聪明的侦探，发明工具来揭示它在宇宙网上留下的微妙指纹。
最简单的技巧是分而治之。我们取一个由相同质量的晕承载的大量星系，根据一个次级属性——比如它们的恒星年龄——将它们分成两组，然后测量每组的成团性。如果一组比另一组更紧密地聚集在一起，我们就找到了第一个线索。
但这种“分割”可能是任意的。一个更优雅的方法是使用“标记相关函数”。想象你正在绘制一片森林的地图，但不仅仅标记每棵树的位置，你还记录下它的高度。然后你可以问：高大的树木是否比随机情况下更有可能以其他高大的树木为近邻？标记相关函数对星系做的正是这件事。我们用一个属性，比如颜色或恒星形成率，“标记”每个星系，然后测量在给定间距 下所有星系对的平均“标记乘积”。如果这个我们称之为 的值持续不为1，那就意味着具有相似属性的星系优先聚集在一起。它们正在以一种仅凭质量无法解释的方式“共谋”。
当然，一个好的侦探必须排除所有其他嫌疑。 中的信号可能仅仅是因为质量更大、自然更成团的晕倾向于承载更红的星系。这不是组装偏见；这只是普通的质量偏见！为了分离出真正的效应，我们必须在非常窄的质量区间内的晕上进行测试。一个更强大的检验是“重排检验”。我们取我们的星系属性，并在相同质量的晕之间随机重排它们。如果信号消失了，我们就证明了它不是一个统计上的侥幸；它是星系属性与其环境之间真正的物理联系，这正是组装偏见的定义。同样的严谨性也延伸到考虑我们晕质量测量本身的不确定性，确保我们不被自己不完美的仪器所欺骗。
为什么一个晕的古老历史会对今天生活在其中的星系产生影响？答案在于晕与其星系之间美丽而密切的联系。“年龄匹配”假说提供了一个非常简单而有力的图景。
那些在早期形成、位于原始宇宙稠密喧嚣郊区的晕，经历了一个狂热的青年时期。它们很快耗尽了冷气体的供应，而冷气体是恒星形成的燃料。因此，它们内部的星系变得“红色已死”——由年老的红色恒星构成，没有新的蓝色恒星诞生。相比之下，那些在晚期形成、位于宇宙宁静偏远乡村地区的晕，则有一个悠闲的成长过程。它们今天仍在吸积新鲜气体，为它们所承载的充满活力的蓝色星系提供持续的恒星形成燃料。
组装偏见告诉我们，这些早形成的晕比同等质量的晚形成同类更强烈地成团。其结果是直接且可观测的：因为“红色程度”是形成年龄的代表，所以即使在相同质量下，红星系也必须比蓝星系更成团。因此，组装偏见不仅仅是一个抽象的统计效应；它被书写在横跨夜空的星系色彩之中，为广阔的宇宙网与单个星系内部的恒星形成物理学之间提供了一座直接的桥梁。
宇宙不仅是稠密星系团和纤维状结构的集合；它也由其广阔、近乎空无的区域——即宇宙空洞——所定义。这些巨大的近乎虚无的“气泡”并非没有信息。事实上，它们是研究引力和结构形成的纯净实验室。在这里，我们也发现了组装偏见的印记。
想象一下，你站在一个巨大空洞的中心向外看。你看到的星系并非随机散布；它们描绘出空洞的边缘。通过仔细测量数千个叠加空洞周围星系的密度剖面，我们可以检验我们的理论。如果我们分别对红星系和蓝星系进行这种测量，组装偏见预示我们将看到不同的结果。年老、偏见更强的红星系将在空洞周围描绘出比它们年轻的蓝色同伴更清晰、更集中的边界。这种效应无处不在，不仅塑造了宇宙网的密集节点，也塑造了它的空旷空间。
到目前为止，组装偏见似乎是一个有趣的物理学片段。但对于试图测量我们宇宙基本属性的宇宙学家来说，它可能是一场噩梦——一个如果被忽略就可能导致危险错误结论的系统误差。
宇宙学的核心目标之一是测量定义我们宇宙的参数，例如 ，这个数字量化了今天物质的“成团”程度。我们通常通过测量星系成团性来推断它。问题在于，星系成团性的幅度取决于 的组合，其中 是星系偏见。这就产生了一个可怕的简并性：是宇宙不那么成团（较低的 ）而星系偏见更强（较高的 ），还是宇宙更成团而星系偏见较弱？
组装偏见给这个问题带来了麻烦。我们对星系偏见 的模型通常只基于晕质量。如果我们使用一个“组装盲”的模型，但真实宇宙存在组装偏见，那么我们的 模型就是错误的。拟合程序为了尽力匹配数据，会通过将 的值移离其真实值来进行补偿。我们会被自己欺骗，以为测量了宇宙，而实际上我们只测量了自己的无知。
解决方案？结合多种探针。幸运的是，大自然给了我们另一个工具：弱引力透镜。来自遥远星系的光线被前景物质的引力弯曲，使我们能够直接绘制物质分布图。星系位置和这个透镜信号之间的互相关取决于 的组合。通过同时测量成团性（）和透镜效应（），我们可以分别求解 和 ，从而打破简并性，并减轻由组装偏见带来的系统误差。这突显了多探针宇宙学的力量，其中结合不同的观测可以带来更稳健的理解。
当我们考虑我们测量宇宙的“标准尺”——重子声学振荡（BAO）标度时，风险甚至更高。这是早期宇宙中声波在宇宙密度场中留下的一个特征长度标度。通过测量它在不同红移处的表观大小，我们可以绘制出宇宙历史。但如果我们的尺子有缺陷怎么办？组装偏见可以产生微妙的、大尺度的速度流，这些速度流可以物理上移动所选星系样本相关函数中BAO峰值的位置。例如，如果我们分析一个红星系样本，它们的组装偏见可能导致我们测量的BAO标度与我们对蓝星系样本测量的略有不同。这可能导致我们对暗能量和宇宙膨胀率的测量产生系统性偏差。在追求精密宇宙学的过程中，忽略组装偏见是不可行的。它是一个复杂谜题的一部分，其中该效应与许多其他效应（如星系运动和非线性引力演化引起的畸变）交织在一起。
面对如此微妙且具有潜在危险的效应，物理学家该怎么办？我们用更好的理论、更好的方法，甚至全新的工具进行反击。
一条途径是建立更复杂的理论模型。在“大尺度结构的有效场论”中，物理学家为星系密度写出了一个系统性展开，包括了引力对称性所允许的所有可能项。组装偏见在这次展开中表现为新项，例如在傅里叶空间中一个与 成正比的项。然后，我们可以通过进行正式的模型选择检验，看看更复杂的模型是否能显著更好地拟合观测数据，从而让数据本身来决定这种额外的复杂性是否必要。
另一种或许更优雅的方法是问：我们能否重新定义什么是“晕”？基于固定超密度的标准定义有些武断。一个物理上更合理的替代方案是“回溅半径”，它标志着首次落入晕中的物质在返回前达到的最远点的边界。这个半径与晕近期的吸积历史密切相关。一个令人兴奋的假说是，在这个物理边界内定义的晕质量可能已经“知道”了晕的形成历史。如果是这样，使用这个回溅质量作为我们的主要变量可能会自动减少，甚至消除残余的组装偏见信号。这是试图通过找到描述它的正确语言来驯服这头猛兽。
最后，我们正在转向21世纪最强大的工具之一：机器学习。一个晕的形成是一个复杂、混沌的过程。也许我们简单的线性模型未能捕捉到从原始宇宙的初始密度涨落到晕的最终属性的真实、非线性映射。我们现在可以在庞大的宇宙学模拟上训练神经网络，向它们提供关于初始拉格朗日条件的信息，并要求它们预测最终的欧拉属性，如形成时间。神经网络不受人类先入之见的影响，可以学习到复杂、隐藏的关联。希望这些习得的形成历史代理变量将比我们简单的解析方法强大得多，使我们能够以前所未有的清晰度分离和理解这种效应。这是一个真正的跨学科前沿，宇宙的秘密可能由诞生于计算机科学的算法来解开。
最初在模拟中令人困惑的异常现象，如今已发展成为一个内容丰富的研究领域。星系组装偏见是一条将早期宇宙的量子涨落与今天星系的可观测属性联系起来的线索。它是一个挑战，迫使我们磨砺工具、结合观测并质疑我们的假设。但它也是一份礼物。在与它的复杂性搏斗的过程中，我们不仅在学习如何使我们的宇宙学测量更加精确；我们也在对组装成我们周围所见宇宙结构的那些美丽而相互关联的过程获得更深刻、更细致的理解。这是一个完美的例子，说明了在科学中，齿轮中的砂砾往往就是那颗珍珠。