Toward an Improved Analytical Description of Lagrangian Bias
Notice bibliographique
Résumé
We carry out a detailed numerical investigation of the spatial correlation function of the initial positions of cosmological dark matter halos. In this Lagrangian coordinate system, which is especially useful for analytic studies of cosmological feedback, we are able to construct cross-correlation functions of objects with varying masses and formation redshifts and compare them with a variety of analytical approaches. For the case in which both formation redshifts are equal, we find good agreement between our numerical results and the bivariate model of Scannapieco & Barkana at all masses, redshifts, and separations, while the model of Porciani and coworkers does well for all parameters except for objects with different masses at small separations. We find that the standard mapping between Lagrangian and Eulerian bias performs well for rare objects at all separations, but fails if the objects are highly nonlinear (low-sigma) peaks. In the Lagrangian case, in which the formation redshifts differ, the model of Scannapieco & Barkana does well for all separations and combinations of masses, apart from a discrepancy at small separations in situations in which the smaller object is formed earlier, and the difference between redshifts or masses is large. As this same limitation arises in the standard approach to the single-point progenitor distribution developed by Lacey & Cole, we conclude that a more complete understanding of the progenitor distribution is the most important outstanding issue in the analytic modeling of Lagrangian bias.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».