Constraining multiplicative bias in CFHTLenS weak lensing shear data
Notice bibliographique
Résumé
Several recent cosmological analyses have found tension between constraints derived from the Canada-France-Hawaii Telescope Lensing Survey (CFHTLenS) data and those derived from other data sets, such as the Planck cosmic microwave background (CMB) temperature anisotropies. Similarly, a direct cross-correlation of the CFHTLenS data with Planck CMB lensing data yielded an anomalously low amplitude compared to expectations based on Planck or WMAP-derived cosmological parameters Liu and Hill [Phys. Rev. D 92, 063517 (2015)]. One potential explanation for these results is a multiplicative bias afflicting the CFHTLenS galaxy shape measurements, from which shears are inferred. Simulations are used in the CFHTLenS pipeline to calibrate such biases, but no data-driven constraints have been presented to date. In this paper, we cross-correlate CFHTLenS galaxy density maps with CFHTLenS shear maps and Planck CMB lensing maps to calibrate an additional multiplicative shear bias ($m$) in CFHTLenS (beyond the multiplicative correction that has already been applied to the CFHTLenS galaxy shears), following methods suggested by Vallinotto [Astrophys. J. 759, 32 (2012)], and Das et al. [arXiv:1311.2338]. We analyze three magnitude-limited galaxy samples, finding $2--4\ensuremath{\sigma}$ evidence for $m<1$ using the deepest sample ($i<24$), while the others are consistent with $m=1$ (no bias). This matches the expectation that the shapes of faint galaxies are the most prone to measurement biases. Our results for $m$ are essentially independent of the assumed cosmology, and only weakly sensitive to assumptions about the galaxy bias. We consider three galaxy bias models, finding in all cases that the best-fit multiplicative shear bias is less than unity (neglecting photometric redshift errors and intrinsic alignment contamination). A value of $m\ensuremath{\approx}0.9$ would suffice to reconcile the amplitude of density fluctuations inferred from the CFHTLenS shear two-point statistics with that inferred from Planck CMB temperature data. This scenario is consistent with our results.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».