Notice bibliographique
Résumé
ABSTRACT We derive a simple prescription for including beyond-linear halo bias within the standard, analytical halo-model power spectrum calculation. This results in a corrective term that is added to the usual two-halo term. We measure this correction using data from N-body simulations and demonstrate that it can boost power in the two-halo term by a factor of ∼2 at scales $k\sim 0.7\, h\mathrm{Mpc}^{-1}$, with the exact magnitude of the boost determined by the specific pair of fields in the two-point function. How this translates to the full power spectrum depends on the relative strength of the one-halo term, which can mask the importance of this correction to a greater or lesser degree, again depending on the fields. Generally, we find that our correction is more important for signals that arise from lower mass haloes. When comparing our calculation to simulated data, we find that the underprediction of power in the transition region between the two- and one-halo terms, which typically plagues halo-model calculations, is almost completely eliminated when including the full non-linear halo bias. We show improved results for the autospectra and cross-spectra of galaxies, haloes, and matter. In the specific case of matter–matter or matter–halo power, we note that a large fraction of the improvement comes from the non-linear biasing between low- and high-mass haloes. We envisage our model being useful in the analytical modelling of cross-correlation signals. Our non-linear bias halo-model code is available at https://github.com/alexander-mead/BNL.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».