From weak lensing to non-Gaussianity via Minkowski functionals
Notice bibliographique
Résumé
We present a new harmonic-domain-based approach for extracting morphological information, in the form of Minkowski functionals (MFs), from weak-lensing convergence maps. Using a perturbative expansion of the MFs, which is expected to be valid for the range of angular scales probed by most current weak-lensing surveys, we show that the study of three generalized skewness parameters is equivalent to the study of the three MFs defined in 2D. We then extend these skewness parameters to three associated skew spectra which carry more information about the convergence bispectrum than their one-point counterparts. We discuss various issues such as noise and incomplete sky coverage in the context of estimation of these skew spectra from realistic data. Our technique provides an alternative to the pixel-space approaches typically used in the estimation of MFs, and it can be particularly useful in the presence of masks with non-trivial topology. Analytical modelling of weak-lensing statistics relies on an accurate modelling of the statistics of the underlying density distribution. We apply three different formalisms to model the underlying dark matter bispectrum: the hierarchical ansatz, halo model and a fitting function based on numerical simulations; MFs resulting from each of these formalisms are computed and compared. We investigate the extent to which late-time gravity-induced non-Gaussianity (to which weak lensing is primarily sensitive) can be separated from primordial non-Gaussianity and how this separation depends on source redshift and angular scale.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».