Fast Cosmic Microwave Background Analyses via Correlation Functions
Notice bibliographique
Résumé
We propose and implement a fast, universally applicable method for extracting the angular power spectrum ℓ from cosmic microwave background temperature maps by first estimating the correlation function ξ(θ). Our procedure recovers the ℓ using N 2 (but potentially N log N ) operations, where N is the number of pixels. This is in contrast with standard maximum likelihood techniques that require N 3 operations. Our method makes no special assumptions about the map, unlike present-day fast techniques that rely on symmetries of the underlying noise matrix, sky coverage, scanning strategy, and geometry. This makes analysis of megapixel maps without symmetries possible for the first time. The key element of our technique is the accurate multipole decomposition of ξ(θ). The ℓ error bars and cross-correlations are found by using a Monte Carlo approach. We applied our technique to a large number of simulated maps with BOOMERanG (Balloon Observations Of Millimetric Radiation and Geophysics) sky coverage in 81,000 pixels. We used a diagonal noise matrix, with approximately the same amplitude as the BOOMERanG experiment. These studies demonstrate that our technique provides an unbiased estimator of the ℓ . Even though our method is approximate, the error bars obtained are nearly optimal, and they converged only after a few tens of Monte Carlo realizations. Our method is directly applicable for the nondiagonal noise matrix. This and other generalizations, such as minimum variance weighting schemes, polarization, and higher order statistics, are also discussed.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».