Combining Strong and Weak Gravitational Lensing in Abell 1689
Notice bibliographique
Résumé
We present a reconstruction of the mass distribution of galaxy cluster Abell 1689 at z = 0.18 using detected strong lensing features from deep ACS observations and extensive ground based spectroscopy. Earlier analyses have reported up to 32 multiply imaged systems in this cluster, of which only 3 were spectroscopically confirmed. In this work, we present a parametric strong lensing mass reconstruction using 34 multiply imaged systems of which 24 have newly determined spectroscopic redshifts, which is a major step forward in building a robust mass model. In turn, the new spectroscopic data allows a more secure identification of multiply imaged systems. The resultant mass model enables us to reliably predict the redshifts of additional multiply imaged systems for which no spectra are currently available, and to use the location of these systems to further constrain the mass model. Using our strong lensing mass model, we predict on larger scale a shear signal which is consistent with that inferred from our large scale weak lensing analysis derived using CFH12K wide field images. Thanks to a new method for reliably selecting a well defined background lensed galaxy population, we resolve the discrepancy found between the NFW concentration parameters derived from earlier strong and weak lensing analysis. The derived parameters for the best fit NFW profile is found to be c 200 = 7.6 ± 1.6 and r 200 = 2.16 ± 0.10 h Mpc (corresponding to a 3D mass equal to M 200 = [1.32 ± 0.2] × 10 15 h 70 M ☉ ). The large number of new constraints incorporated in this work makes Abell 1689 the most reliably reconstructed cluster to date. This well calibrated mass model, which we here make publicly available, will enable us to exploit Abell 1689 efficiently as a gravitational telescope, as well as to potentially constrain 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».