Weak lensing mass map and peak statistics in Canada–France–Hawaii Telescope Stripe 82 survey
Notice bibliographique
Résumé
We present a weak lensing mass map covering ∼124 deg2 of the Canada–France–Hawaii Telescope Stripe 82 Survey (CS82). We study the statistics of rare peaks in the map, including peak abundance, the peak–peak correlation functions and the tangential-shear profiles around peaks. We find that the abundance of peaks detected in CS82 is consistent with predictions from a Λ cold dark matter cosmological model, once noise effects are properly included. The correlation functions of peaks with different signal-to-noise ratio (SNR) are well described by power laws, and there is a clear cross-correlation between the Sloan Digital Sky Survey III/Constant Mass galaxies and high SNR peaks. The tangential-shear profiles around peaks increase with peak SNR. We fit analytical models to the tangential-shear profiles, including a projected singular isothermal sphere (SIS) model and a projected Navarro, Frenk & White (NFW) model, plus a two-halo term. For the high SNR peaks, the SIS model is rejected at ∼3σ. The NFW model plus a two-halo term gives more acceptable fits to the data. Some peaks match the positions of optically detected clusters, while others are relatively dark. Comparing dark and matched peaks, we find a difference in lensing signal of a factor of 2, suggesting that about half of the dark peaks are false detections.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,003 | 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 ».