The growth rate and expansion history of the Universe can be measured from large galaxy redshift surveys using the Alcock-Paczynski effect. We validate the Redshift Space Distortion models used in the final analysis of the Sloan Digital Sky Survey (SDSS) extended Baryon Oscillation Spectroscopic Survey (eBOSS) Data Release 16 quasar clustering sample, in configuration and Fourier space, using a series of HOD mock catalogues generated using the OuterRim N-body simulation. We test three models on a series of non-blind mocks, in the OuterRim cosmology, and blind mocks, which have been rescaled to new cosmologies, and investigate the effects of redshift smearing and catastrophic redshifts. We find that for the non-blind mocks, the models are able to recover $f\sigma_8$ to within 3% and $\alpha_\parallel$ and $\alpha_\bot$ to within 1%. The scatter in the measurements is larger for the blind mocks, due to the assumption of an incorrect fiducial cosmology. From this mock challenge, we find that all three models perform well, with similar systematic errors on $f\sigma_8$, $\alpha_\parallel$ and $\alpha_\bot$ at the level of $\sigma_{f\sigma_8}=0.013$, $\sigma_{\alpha_\parallel}=0.012$ and $\sigma_{\alpha_\bot}=0.008$. The systematic error on the combined consensus is $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ and $\sigma_{\alpha_\bot}=0.005$, which is used in the final DR16 analysis. For BAO fits in configuration and Fourier space, we take conservative systematic errors of $\sigma_{\alpha_\parallel}=0.010$ and $\sigma_{\alpha_\bot}=0.007$.

中文翻译：

---

已完成的 SDSS-IV 扩展重子振荡光谱调查：类星体样本的 N 体模拟挑战

宇宙的增长速度和膨胀历史可以通过使用阿尔科克-帕钦斯基效应的大型星系红移测量来测量。我们使用一系列生成的 HOD 模拟目录，在配置和傅立叶空间中验证了用于最终分析斯隆数字巡天 (SDSS) 扩展重子振荡光谱调查 (eBOSS) 数据第 16 版类星体聚类样本的 Redshift 空间失真模型使用 OuterRim N 体模拟。我们在 OuterRim 宇宙学中的一系列非盲模拟和盲模拟上测试了三个模型，这些模型已重新调整为新的宇宙学，并研究红移拖尾和灾难性红移的影响。我们发现对于非盲模拟，模型能够将 $f\sigma_8$ 恢复到 3% 以内，将 $\alpha_\parallel$ 和 $\alpha_\bot$ 恢复到 1% 以内。由于假设基准宇宙学不正确，盲模拟的测量值分散更大。从这个模拟挑战中，我们发现所有三个模型都表现良好，在 $\sigma_{f\sigma_8} 级别的 $f\sigma_8$、$\alpha_\parallel$ 和 $\alpha_\bot$ 上具有类似的系统误差=0.013$、$\sigma_{\alpha_\parallel}=0.012$ 和 $\sigma_{\alpha_\bot}=0.008$。组合共识的系统误差为 $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ 和 $\sigma_{\alpha_\bot}=0.005$，用于最终的 DR16 分析。对于配置和傅立叶空间中的 BAO 拟合，我们采用 $\sigma_{\alpha_\parallel}=0.010$ 和 $\sigma_{\alpha_\bot}=0.007$ 的保守系统误差。从这个模拟挑战中，我们发现所有三个模型都表现良好，在 $\sigma_{f\sigma_8} 级别的 $f\sigma_8$、$\alpha_\parallel$ 和 $\alpha_\bot$ 上具有类似的系统误差=0.013$、$\sigma_{\alpha_\parallel}=0.012$ 和 $\sigma_{\alpha_\bot}=0.008$。组合共识的系统误差为 $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ 和 $\sigma_{\alpha_\bot}=0.005$，用于最终的 DR16 分析。对于配置和傅立叶空间中的 BAO 拟合，我们采用 $\sigma_{\alpha_\parallel}=0.010$ 和 $\sigma_{\alpha_\bot}=0.007$ 的保守系统误差。从这个模拟挑战中，我们发现所有三个模型都表现良好，在 $\sigma_{f\sigma_8} 级别的 $f\sigma_8$、$\alpha_\parallel$ 和 $\alpha_\bot$ 上具有类似的系统误差=0.013$、$\sigma_{\alpha_\parallel}=0.012$ 和 $\sigma_{\alpha_\bot}=0.008$。组合共识的系统误差为 $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ 和 $\sigma_{\alpha_\bot}=0.005$，用于最终的 DR16 分析。对于配置和傅立叶空间中的 BAO 拟合，我们采用 $\sigma_{\alpha_\parallel}=0.010$ 和 $\sigma_{\alpha_\bot}=0.007$ 的保守系统误差。组合共识的系统误差为 $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ 和 $\sigma_{\alpha_\bot}=0.005$，用于最终的 DR16 分析。对于配置和傅立叶空间中的 BAO 拟合，我们采用 $\sigma_{\alpha_\parallel}=0.010$ 和 $\sigma_{\alpha_\bot}=0.007$ 的保守系统误差。组合共识的系统误差为 $\sigma_{f\sigma_8}=0.011$, $\sigma_{\alpha_\parallel}=0.008$ 和 $\sigma_{\alpha_\bot}=0.005$，用于最终的 DR16 分析。对于配置和傅立叶空间中的 BAO 拟合，我们采用 $\sigma_{\alpha_\parallel}=0.010$ 和 $\sigma_{\alpha_\bot}=0.007$ 的保守系统误差。