正文
重构
暗物质
分布
的应用方向
总之，在第四代宇宙学巡天深入推进、第五代巡天逐步筹备的背景下，未来的宇宙学研究将面临现有统计方法难以解决的关键科学问题，这亟需开发更先进的数据分析方法以充分挖掘新一代巡天数据的科学价值。暗物质分布的反向重构作为宇宙学核心问题之一，贯穿于多个前沿方向，将在面向新一代巡天数据的宇宙学关键问题中发挥基础支撑作用。
三、
现有暗物质分布重构方法与挑战
当前，科学家主要依靠两种技术手段重构宇宙中的暗物质密度场，分别是基于星系巡天和基于弱引力透镜的重构。这两种方法在技术路径和适用范围上各有侧重。
图4
暗物质分布重构的两种手段
星系巡天重构方法是利用星系的三维空间分布来推测背后暗物质的分布。通过测量大量星系的红移和空间位置，科学家可以得到一个包含数百万至数亿星系的三维分布图。这些星系的位置不仅反映了它们自身的引力影响，还携带了背景暗物质密度场的信息，常用的方法包括Wiener滤波[8]和暗物质晕域重构法[1]。
这类方法在2dFGRS、SDSS等数据集下取得了良好效果，特别在低红移宇宙内获得了广泛应用。然而，这类方法普遍依赖于线性假设或两点关联的统计模型，在还原更复杂的非线性结构和高阶结构特征时存在一定局限。
相比而言，弱引力透镜重构方法则直接测量沿视线方向上的总质量分布，避免了星系作为示踪物所带来的系统性偏差。根据广义相对论，大质量天体会使经过它们附近的光线发生弯曲，这种微小的形变记录了天体之间的总引力场分布。通过统计分析数千万个背景星系的形变特征，科学家可以在天空平面上绘制出二维的质量分布图，这种方法已经在HSC等成像巡天中得到初步验证[9]。然而，弱引力透镜方法的优势也伴随着一些挑战。由于其测量得到的是二维投影数据，要进一步反推出三维暗物质密度场，就必须解决典型的病态反问题。换句话说，从一个二维投影恢复三维结构本身就是一个高度不确定的问题，同时还受到背景星系密度、测量精度和观测噪声的限制。这使得当前的弱引力透镜重构在空间分辨率和三维结构细节恢复方面仍存在显著提升空间。
另一方面，暗物质重构在覆盖范围上仍然存在巨大的提升空间。针对低红移宇宙（如z<0.12），星系巡天星系数密度大且位置测量精确，已经实现了相对稳定的三维密度场重构[1]。然而，在更高红移（如z>0.12）处，由于星系数密度下降，重构效果显著减弱。例如，光谱红移巡天（如SDSS-II、BOSS）主要针对明亮星系进行选样，其取样密度较低，难以还原这一红移区间内的暗物质分布。尽管DES等成像巡天在这个红移范围内获得了大量观测数据，但由于测光红移精度不足，三维结构信息仍难以有效提取。弱引力透镜虽然在小天区（如HSC 167平方度）中初步展示了0.05
图5，暗物质已有重构与待重构区域对比
综上所述，当前的暗物质重构技术在模型应用和观测数据质量都面临着诸多挑战。随着DESI、CSST、Euclid等第四代巡天项目的推进，未来有望通过融合多种观测数据，进一步提升对暗物质分布的重构精度，特别是在小尺度非线性结构和高红移宇宙的研究中，开辟更广阔的探索空间。
四、重构暗物质的新技术——深度学习
随着第四代天文观测数据的到来，科学家们开始探索如何利用
深度学习
技术，更精确地绘制宇宙中的暗物质分布，
相关
探索已经
应用于暗物质密度场[10]、速度场[11]及原初密度场[12]的
重构
研究。
深度学习作为一种强大的
图像映射模型
，能够从海量观测数据中自动识别和提取隐藏的结构特征，特别擅长捕捉复杂的多尺度信息。这使得它在三维暗物质密度场重构中展现出独特优势，为高精度、精细结构的宇宙图谱绘制提供了有力的技术支持。
然而，必须指出的是，
