A hydrodynamical halo model for weak-lensing cross correlations
Notice bibliographique
Résumé
On the scale of galactic haloes, the distribution of matter in the cosmos is affected by energetic, non-gravitational processes, the so-called baryonic feedback. A lack of knowledge about the details of how feedback processes redistribute matter is a source of uncertainty for weak-lensing surveys, which accurately probe the clustering of matter in the Universe over a wide range of scales. We developed a cosmology-dependent model for the matter distribution that simultaneously accounts for the clustering of dark matter, gas, and stars. We informed our model by comparing it to power spectra measured from the BAHAMAS suite of hydrodynamical simulations. In addition to considering matter power spectra, we also considered spectra involving the electron-pressure field, which directly relates to the thermal Sunyaev-Zel’dovich (tSZ) effect. We fitted parameters in our model so that it can simultaneously model both matter and pressure data and such that the distribution of gas as inferred from tSZ has an influence on the matter spectrum predicted by our model. We present two variants, one that matches the feedback-induced suppression seen in the matter–matter power spectrum at the percent level and a second that matches the matter–matter data to a slightly lesser degree (≃2%). However, the latter is able to simultaneously model the matter–electron pressure spectrum at the ≃15% level. We envisage our models being used to simultaneously learn about cosmological parameters and the strength of baryonic feedback using a combination of tSZ and lensing auto- and cross-correlation data.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».