Systematic tests for position-dependent additive shear bias
Notice bibliographique
Résumé
We present new tests to identify stationary position-dependent additive shear biases in weak gravitational lensing data sets. These tests are important diagnostics for currently ongoing and planned cosmic shear surveys, as such biases induce coherent shear patterns that can mimic and potentially bias the cosmic shear signal. The central idea of these tests is to determine the average ellipticity of all galaxies with shape measurements in a grid in the pixel plane. The distribution of the absolute values of these averaged ellipticities can be compared to randomised catalogues; a difference points to systematics in the data. In addition, we introduce a method to quantify the spatial correlation of the additive bias, which suppresses the contribution from cosmic shear and therefore eases the identification of a position-dependent additive shear bias in the data. We apply these tests to the publicly available shear catalogues from the Canada-France-Hawaii Telescope Lensing Survey (CFHTLenS) and the Kilo Degree Survey (KiDS) and find evidence for a small but non-negligible residual additive bias at small scales. As this residual bias is smaller than the error on the shear correlation signal at those scales, it is highly unlikely that it causes a significant bias in the published cosmic shear results of CFHTLenS. In CFHTLenS, the amplitude of this systematic signal is consistent with zero in fields where the number of stars used to model the point spread function (PSF) is higher than average, suggesting that the position-dependent additive shear bias originates from undersampled PSF variations across the image.
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 ».