COSMOS: STOCHASTIC BIAS FROM MEASUREMENTS OF WEAK LENSING AND GALAXY CLUSTERING
Notice bibliographique
Résumé
In the theory of structure formation, galaxies are biased tracers of the underlying matter density field. The statistical relation between galaxy and matter density field is commonly referred to as galaxy bias. In this paper, we test the linear bias model with weak-lensing and galaxy clustering measurements in the 2 deg 2 COSMOS field. We estimate the bias of galaxies between redshifts z = 0.2 and z = 1 and over correlation scales between R = 0.2 h −1 Mpc and R = 15 h −1 Mpc. We focus on three galaxy samples, selected in flux (simultaneous cuts I 814 W < 26.5 and K s < 24) and in stellar mass (10 9 < M * < 10 10 h −2 M ☉ and 10 10 < M * < 10 11 h −2 M ☉ ). At scales R > 2 h −1 Mpc, our measurements support a model of bias increasing with redshift. The Tinker et al. fitting function provides a good fit to the data. We find the best-fit mass of the galaxy halos to be log ( M 200 / h −1 M ☉ ) = 11.7 +0.6 − 1.3 and log ( M 200 / h −1 M ☉ ) = 12.4 +0.2 − 2.9 , respectively, for the low and high stellar-mass samples. In the halo model framework, bias is scale dependent with a change of slope at the transition scale between the one and the two halo terms. We detect a scale dependence of bias with a turndown at scale R = 2.3 ± 1.5 h −1 Mpc, in agreement with previous galaxy clustering studies. We find no significant amount of stochasticity, suggesting that a linear bias model is sufficient to describe our data. We use N -body simulations to quantify both the amount of cosmic variance and systematic errors in the measurement.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».