Notice bibliographique
Résumé
We present weak-lensing mass measurements of 50 X-ray luminous galaxy clusters at 0.15 ≤ <it>z</it> ≤ 0.3, based on uniform high-quality observations with Suprime-Cam mounted on the 8.2-m Subaru telescope. We pay close attention to possible systematic biases, aiming to control them at the &lsim;4 per cent level. The dominant source of systematic bias in weak-lensing measurements of the mass of individual galaxy clusters is contamination of background galaxy catalogues by faint cluster and foreground galaxies. We extend our conservative method for selecting background galaxies with (<it>V</it> − <it>i</it>′) colours redder than the red sequence of cluster members to use a colour-cut that depends on cluster-centric radius. This allows us to define background galaxy samples that suffer ≤1 per cent contamination, and comprise 13 galaxies per square arcminute. Thanks to the purity of our background galaxy catalogue, the largest systematic that we identify in our analysis is a shape measurement bias of 3 per cent, that we measure using simulations that probe weak shears up to <it>g</it> = 0.3. Our individual cluster mass and concentration measurements are in excellent agreement with predictions of the mass–concentration relation. Equally, our stacked shear profile is in excellent agreement with the Navarro Frenk and White profile. Our new Local Cluster Substructure Survey mass measurements are consistent with the Canadian Cluster Cosmology Project and Cluster Lensing And Supernova Survey with Hubble surveys, and in tension with the Weighing the Giants at ∼1σ–2σ significance. Overall, the consensus at <it>z</it> ≤ 0.3 that is emerging from these complementary surveys represents important progress for cluster mass calibration, and augurs well for cluster cosmology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».