Weak-lensing Mass Calibration of ACTPol Sunyaev–Zel’dovich Clusters with the Hyper Suprime-Cam Survey
Notice bibliographique
Résumé
Abstract We present weak-lensing measurements using the first-year data from the Hyper Suprime-Cam Strategic Survey Program on the Subaru telescope for eight galaxy clusters selected through their thermal Sunyaev–Zel’dovich (SZ) signal measured at 148 GHz with the Atacama Cosmology Telescope Polarimeter experiment. The overlap between the two surveys in this work is 33.8 square degrees, before masking bright stars. The signal-to-noise ratio of individual cluster lensing measurements ranges from 2.2 to 8.7, with a total of 11.1 for the stacked cluster weak-lensing signal. We fit for an average weak-lensing mass distribution using three different profiles, a Navarro–Frenk–White profile, a dark-matter-only emulated profile, and a full cosmological hydrodynamic emulated profile. We interpret the differences among the masses inferred by these models as a systematic error of 10%, which is currently smaller than the statistical error. We obtain the ratio of the SZ-estimated mass to the lensing-estimated mass (the so-called hydrostatic mass bias 1− b ) of , which is comparable to previous SZ-selected clusters from the Atacama Cosmology Telescope and from the Planck Satellite. We conclude with a discussion of the implications for cosmological parameters inferred from cluster abundances compared to cosmic microwave background primary anisotropy measurements.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».