Dissecting the thermal Sunyaev-Zeldovich-gravitational lensing cross-correlation with hydrodynamical simulations
Notice bibliographique
Résumé
We use the cosmo-OWLS suite of cosmological hydrodynamical simulations, which includes different galactic feedback models, to predict the cross-correlation signal between weak gravitational lensing and the thermal Sunyaev-Zeldovich (tSZ) $y$-parameter. The predictions are compared to the recent detection reported by van Waerbeke and collaborators. The simulations reproduce the weak lensing-tSZ cross-correlation, $\xi_{y\kappa}(\theta)$, well. The uncertainty arising from different possible feedback models appears to be important on small scales only ($\theta \lesssim 10$ arcmin), while the amplitude of the correlation on all scales is sensitive to cosmological parameters that control the growth rate of structure (such as $\sigma_8$, $\Omega_m$ and $\Omega_b$). This study confirms our previous claim (in Ma et al.) that a significant proportion of the signal originates from the diffuse gas component in low-mass ($M_{\rm{halo}} \lesssim 10^{14} M_{\odot}$) clusters as well as from the region beyond the virial radius. We estimate that approximately 20$\%$ of the detected signal comes from low-mass clusters, which corresponds to about 30$\%$ of the baryon density of the Universe. The simulations also suggest that more than half of the baryons in the Universe are in the form of diffuse gas outside halos ($\gtrsim 5$ times the virial radius) which is not hot or dense enough to produce a significant tSZ signal or be observed by X-ray experiments. Finally, we show that future high-resolution tSZ-lensing cross-correlation observations will serve as a powerful tool for discriminating between different galactic feedback models.
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 | 0,001 |
| 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 ».