Bayesian galaxy shape measurement for weak lensing surveys - II. Application to simulations
Notice bibliographique
Résumé
In this paper, we extend the Bayesian model fitting shape measurement method presented in Miller et al., and use the method to estimate the shear from the Shear TEsting Programme simulations (STEP). The method uses a fast model fitting algorithm that uses realistic galaxy profiles and analytically marginalizes over the position and amplitude of the model by doing the model fitting in Fourier space. This is used to find the full posterior probability in ellipticity. The shear is then estimated in a Bayesian way from this posterior probability surface. The Bayesian estimation allows measurement bias arising from the presence of random noise to be removed. In this paper, we introduce an iterative algorithm that can be used to estimate the intrinsic ellipticity prior and show that this is accurate and stable. We present results using the STEP parametrization that relates the input shear γT to the estimated shear γM by introducing a bias m and an offset c: γM−γT=mγT+c. The average number density of galaxies used in the STEP1 analysis was 9 per square arcminute, for STEP2 the number density was 30 per square arcminute. By using the method to estimate the shear from the STEP1 simulations we find the method to have a shear bias of m= 0.006 ± 0.005 and a variation in shear offset with point spread function type of σc= 0.0002. Using the method to estimate the shear from the STEP2 simulations we find that the shear bias and offset are m= 0.002 ± 0.016 and c=−0.0007 ± 0.0006, respectively. In addition, we find that the bias and offset are stable to changes in the magnitude and size of the galaxies. Such biases should yield any cosmological constraints from future weak lensing surveys robust to systematic effects in shape measurement. Finally, we present an alternative to the STEP parametrization by using a quality factor that relates the intrinsic shear variance in a simulation to the variance in shear that is measured and show that the method presented has an average of Q ≳ 100 which is at least a factor of 10 times better than other shape measurement methods.
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 | 0,006 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».