Weak-lensing mass calibration of the Sunyaev–Zel’dovich effect using APEX-SZ galaxy clusters
Notice bibliographique
Résumé
ABSTRACT The use of galaxy clusters as precision cosmological probes relies on an accurate determination of their masses. However, inferring the relationship between cluster mass and observables from direct observations is difficult and prone to sample selection biases. In this work, we use weak lensing as the best possible proxy for cluster mass to calibrate the Sunyaev–Zel’dovich (SZ) effect measurements from the APEX-SZ experiment. For a well-defined (ROSAT) X-ray complete cluster sample, we calibrate the integrated Comptonization parameter, YSZ, to the weak-lensing derived total cluster mass, M500. We employ a novel Bayesian approach to account for the selection effects by jointly fitting both the SZ Comptonization, YSZ–M500, and the X-ray luminosity, Lx–M500, scaling relations. We also account for a possible correlation between the intrinsic (lognormal) scatter of Lx and YSZ at fixed mass. We find the corresponding correlation coefficient to be $r= 0.47_{-0.35}^{+0.24}$, and at the current precision level our constraints on the scaling relations are consistent with previous works. For our APEX-SZ sample, we find that ignoring the covariance between the SZ and X-ray observables biases the normalization of the YSZ–M500 scaling high by 1–2σ and the slope low by ∼1σ, even when the SZ effect plays no role in the sample selection. We conclude that for higher precision data and larger cluster samples, as anticipated from on-going and near-future cluster cosmology experiments, similar biases (due to intrinsic covariances of cluster observables) in the scaling relations will dominate the cosmological error budget if not accounted for correctly.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 | 0,000 |
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 ».