Next Generation Virgo Cluster Survey. XXI. The weak lensing masses of the CFHTLS and NGVS RedGOLD galaxy clusters and calibration of the optical richness
Notice bibliographique
Résumé
We measured stacked weak lensing cluster masses for a sample of 1323 galaxy clusters detected by the RedGOLD algorithm in the Canada–France–Hawaii Telescope Legacy Survey W1 and the Next Generation Virgo Cluster Survey at $0.2\\lt z\\lt 0.5$, in the optical richness range $10\\lt \\lambda \\lt 70$. This is the most comprehensive lensing study of a $\\sim 100 \\% $ complete and $\\sim 80 \\% $ pure optical cluster catalog in this redshift range. We test different mass models, and our final model includes a basic halo model with a Navarro Frenk and White profile, as well as correction terms that take into account cluster miscentering, non-weak shear, the two-halo term, the contribution of the Brightest Cluster Galaxy, and an a posteriori correction for the intrinsic scatter in the mass–richness relation. With this model, we obtain a mass–richness relation of $\\mathrm{log}{M}_{200}/{M}_{\\odot }\\,=(14.46\\pm 0.02)+(1.04\\pm 0.09)\\mathrm{log}(\\lambda /40)$ (statistical uncertainties). This result is consistent with other published lensing mass–richness relations. We give the coefficients of the scaling relations between the lensing mass and X-ray mass proxies, L X and T X, and compare them with previous results. When compared to X-ray masses and mass proxies, our results are in agreement with most previous results and simulations, and consistent with the expected deviations from self-similarity.
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 | 0,001 | 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».