Cross-correlation of weak lensing and gamma rays: implications for the nature of dark matter
Notice bibliographique
Résumé
We measure the cross-correlation between Fermi gamma-ray photons and over 1000 deg2 of weak lensing data from the Canada–France–Hawaii Telescope Lensing Survey (CFHTLenS), the Red Cluster Sequence Lensing Survey (RCSLenS), and the Kilo Degree Survey (KiDS). We present the first measurement of tomographic weak lensing cross-correlations and the first application of spectral binning to cross-correlations between gamma rays and weak lensing. The measurements are performed using an angular power spectrum estimator while the covariance is estimated using an analytical prescription. We verify the accuracy of our covariance estimate by comparing it to two internal covariance estimators. Based on the non-detection of a cross-correlation signal, we derive constraints on weakly interacting massive particle (WIMP) dark matter. We compute exclusion limits on the dark matter annihilation cross-section 〈σannv〉, decay rate Γdec and particle mass mDM. We find that in the absence of a cross-correlation signal, tomography does not significantly improve the constraining power of the analysis. Assuming a strong contribution to the gamma-ray flux due to small-scale clustering of dark matter and accounting for known astrophysical sources of gamma rays, we exclude the thermal relic cross-section for particle masses of mDM ≲ 20 GeV.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».