Improving models of the cosmic infrared background using CMB lensing mass maps
Notice bibliographique
Résumé
The cosmic infrared background (CIB) sourced by infrared emission from dusty star-forming galaxies is a valuable source of information on the star formation history of the Universe. In measurements of the millimeter sky at frequencies higher than $\ensuremath{\sim}300\text{ }\text{ }\mathrm{GHz}$, the CIB and thermal emission from Galactic dust dominate. Insufficient understanding of the CIB contribution at lower frequencies can hinder efforts to measure the kinetic Sunyaev-Zeldovich spectrum on small scales as well as new physics that affects the damping tail of the cosmic microwave background (CMB). The Planck satellite has measured with high fidelity the CIB at 217, 353, 545 and 857 GHz. On very large scales, this measurement is limited by our ability to separate the CIB from Galactic dust, but on intermediate scales, the measurements are limited by sample variance in the underlying matter field traced by the CIB. We show how significant improvements (20--100%) can be obtained on parameters of star formation models by cross-correlating the CIB (as measured from existing Planck maps or upcoming CCAT-prime maps) with upcoming mass maps inferred from gravitational lensing of the CMB. This improvement comes from improved knowledge of the redshift distribution of star-forming galaxies as well as through the use of the unbiased matter density inferred from CMB lensing mass maps to cancel the sample variance in the CIB field. We also find that further improvements can be obtained on CIB model parameters if the cross-correlation of the CIB with CMB lensing is measured over a wider area while restricting the more challenging CIB autospectrum measurement to the cleanest 5% of the sky.
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 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».