Notice bibliographique
Résumé
The matter content of the Universe is dominated by dark matter. Beyond its abundance and its lack of non-gravitational interactions with standard model matter, little is known about the nature of dark matter. This thesis attempts to illuminate different aspects of dark matter by using gravitational lensing in conjunction with other cosmological probes. Gravitational lensing describes the deflection of light by gravitational potentials and is a direct and unbiased probe of the matter distribution in the Universe. We investigate the weakly interacting massive particle (WIMP) model of dark matter by performing a tomographic and spectral cross-correlation between weak gravitational lensing from the Canada-France-Hawaii Telescope Lensing Survey (CFHTLenS), Red Cluster Sequence Lensing Survey (RCSLenS), and Kilo-Degree Survey (KiDS), and gamma rays from Fermi-LAT. The non-detection of a correlation allows us to constrain the allowed masses, annihilation cross-sections, and decay rates of WIMP dark matter. Even though most matter in the Universe is dark matter, about 16% is baryonic matter. To make precision measurements of the dark matter distribution with gravitational lensing, it is therefore necessary to understand the behaviour and distribution of baryonic matter. We measure and analyse the cross-correlation between weak gravitational lensing from RCSLenS and the thermal Sunyaev-Zeldovich (tSZ) effect from the Planck satellite to constrain the effect of baryon physics on the matter distribution. Models of gravitational lensing often make use of a range of approximations. We study the effect of dropping these approximations on the cross-correlation between gravitational lensing and tSZ by performing a detailed calculation up to fourth order in the gravitational potential. We find that the common approximations are sufficiently accurate even for future surveys. Finally, we explore the growth of structure and the effect of residual weak lensing systematics in a tomographic cross-correlation between weak gravitational lensing from KiDS and lensing of the cosmic microwave background (CMB) from Planck.
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 | 0,008 |
| 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 | 0,000 |
| 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) | 0,003 | 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 ».