Detection significance of baryon acoustic oscillations peaks in galaxy and quasar clustering
Notice bibliographique
Résumé
We compare our analysis of the baryon acoustic oscillations (BAO) feature in the correlation functions of SDSS BOSS DR12 LOWZ and CMASS galaxy samples with previous literature results.Using subsets of the data we obtain an empirical estimate of the errors on the correlation functions that are in agreement with the simulated errors of previous works.We find that the significance of BAO detection is the quantity most sensitive to the choice of the fitting range with the CMASS value decreasing from 8.0σ to 5.3σ as the fitting range is reduced.Although our measurements of D V (z) are in agreement with previous studies, we note that their CMASS 8.0σ (LOWZ 4.0σ ) detection significance reduces to 4.7σ (2.8σ ) in fits with their diagonal covariance terms only.We extend our BAO analysis to higher redshifts by fitting to the weighted mean of 2QDESp, SDSS DR5 UNIFORM, 2QZ, and 2SLAQ quasar correlation functions, obtaining a 7.6 per cent measurement compared to 3.9 per cent achieved by eBOSS DR14.Unlike for the LRG surveys, the larger error on quasar correlation functions implies a smaller role for nuisance parameters (accounting for scale-dependent clustering) in providing a good fit to the fiducial cold dark matter model.Again we find that the eBOSS peak significance reduces from 2.8 to 1.4σ if we ignore the off-diagonal covariance matrix terms in our fitting.We conclude that for both LRGs and quasars, the reported BAO peak significances from the SDSS surveys depend sensitively on the accuracy of the covariance matrix at large separations.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».