Cosmological constraints from galaxy–lensing cross-correlations using BOSS galaxies with SDSS and CMB lensing
Notice bibliographique
Résumé
ABSTRACT We present cosmological parameter constraints based on a joint modelling of galaxy–lensing cross-correlations and galaxy clustering measurements in the SDSS, marginalizing over small-scale modelling uncertainties using mock galaxy catalogues, without explicit modelling of galaxy bias. We show that our modelling method is robust to the impact of different choices for how galaxies occupy dark matter haloes and to the impact of baryonic physics (at the $\sim 2{{\ \rm per\ cent}}$ level in cosmological parameters) and test for the impact of covariance on the likelihood analysis and of the survey window function on the theory computations. Applying our results to the measurements using galaxy samples from BOSS and lensing measurements using shear from SDSS galaxies and CMB lensing from Planck, with conservative scale cuts, we obtain $S_8\equiv \left(\frac{\sigma _8}{0.8228}\right)^{0.8}\left(\frac{\Omega _\mathrm{ m}}{0.307}\right)^{0.6}=0.85\pm 0.05$ (stat.) using LOWZ × SDSS galaxy lensing, and S8 = 0.91 ± 0.1 (stat.) using combination of LOWZ and CMASS × Planck CMB lensing. We estimate the systematic uncertainty in the galaxy–galaxy lensing measurements to be $\sim 6{{\ \rm per\ cent}}$ (dominated by photometric redshift uncertainties) and in the galaxy–CMB lensing measurements to be $\sim 3{{\ \rm per\ cent}}$, from small-scale modelling uncertainties including baryonic physics.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».