<scp>H i</scp> intensity mapping with MeerKAT: primary beam effects on foreground cleaning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Upcoming and future neutral hydrogen Intensity Mapping surveys offer a great opportunity to constrain cosmology in the post-reionization Universe, provided a good accuracy is achieved in the separation between the strong foregrounds and the cosmological signal. Cleaning methods are often applied under the assumption of a simplistic Gaussian primary beam. In this work, we test the cleaning in the presence of a realistic primary beam model with a non-trivial frequency dependence. We focus on the Square Kilometre Array precursor MeerKAT telescope and simulate a single-dish wide-area survey. We consider the main foreground components, including an accurate full-sky point source catalogue. We find that the coupling between beam sidelobes and the foreground structure can complicate the cleaning. However, when the beam frequency dependence is smooth, we show that the cleaning is only problematic if the far sidelobes are unexpectedly large. Even in that case, a proper reconstruction is possible if the strongest point sources are removed and the cleaning is more aggressive. We then consider a non-trivial frequency dependence: a sinusoidal type feature in the beamwidth that is present in the MeerKAT beam and is expected in most dishes, including SKA1-MID. Such a feature, coupling with the foreground emission, biases the reconstruction of the signal across frequency, potentially impacting the cosmological analysis. We show that this effect is constrained to a narrow region in k∥ space and can be reduced if the maps are carefully re-smoothed to a common lower resolution.
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.
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 découle