Intensity mapping as a probe of axion dark matter
Notice bibliographique
Résumé
ABSTRACT We consider intensity mapping (IM) of neutral hydrogen (H i) in the redshift range 0 ≲ z ≲ 3 employing a halo model approach where H i is assumed to follow the distribution of dark matter (DM) haloes. If a portion of the DM is composed of ultralight axions, then the abundance of haloes is changed compared to cold DM below the axion Jeans mass. With fixed total H i density, $\Omega _{\rm H\, \rm {\small I}}$, assumed to reside entirely in haloes, this effect introduces a scale-independent increase in the H i power spectrum on scales above the axion Jeans scale, which our model predicts consistent with N-body simulations. Lighter axions introduce a scale-dependent feature even on linear scales due to its suppression of the matter power spectrum near the Jeans scale. We use the Fisher matrix formalism to forecast the ability of future H i surveys to constrain the axion fraction of DM and marginalize over astrophysical and model uncertainties. We find that a HIRAX-like survey is a very reliable IM survey configuration, being affected minimally by uncertainties due to non-linear scales, while the SKA1MID configuration is the most constraining as it is sensitive to non-linear scales. Including non-linear scales and combining a SKA1MID-like IM survey with the Simons Observatory CMB, the benchmark ‘fuzzy DM’ model with ma = 10−22 eV can be constrained at few per cent. This is almost an order of magnitude improvement over current limits from the Ly α forest. For lighter ULAs, this limit improves below 1 per cent, and allows the possibility to test the connection between axion models and the grand unification scale across a wide range of masses.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».