Planck 2015 results
Notice bibliographique
Résumé
We use Planck data to detect the cross-correlation between the thermal Sunyaev-Zeldovich (tSZ) effect and the infrared emission from the galaxies that make up the the cosmic infrared background (CIB). We first perform a stacking analysis towards Planck-confirmed galaxy clusters. We detect infrared emission produced by dusty galaxies inside these clusters and demonstrate that the infrared emission is about 50% more extended than the tSZ effect. Modelling the emission with a Navarro-Frenk-White profile, we find that the radial profile concentration parameter is c500 = 1.00+0.18-0.15 . This indicates that infrared galaxies in the outskirts of clusters have higher infrared flux than cluster-core galaxies. We also study the cross-correlation between tSZ and CIB anisotropies, following three alternative approaches based on power spectrum analyses: (i) using a catalogue of confirmed clusters detected in Planck data; (ii) using an all-sky tSZ map built from Planck frequency maps; and (iii) using cross-spectra between Planck frequency maps. With the three different methods, we detect the tSZ-CIB cross-power spectrum at significance levels of (i) 6σ; (ii) 3σ; and (iii) 4σ. We model the tSZ-CIB cross-correlation signature and compare predictions with the measurements. The amplitude of the cross-correlation relative to the fiducial model is AtSZ−CIB = 1.2 ± 0.3. This result is consistent with predictions for the tSZ-CIB cross-correlation assuming the best-fit cosmological model from Planck 2015 results along with the tSZ and CIB scaling relations.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,265 | 0,221 |
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 ».