Using LSST Microlensing to Constrain Dark Compact Objects in Spherical and Disk Configurations
Notice bibliographique
Résumé
Abstract The Legacy Survey of Space and Time (LSST) with the Vera Rubin Observatory will provide strong microlensing constraints on dark compact objects (DCOs) in our Galaxy. However, most current forecasts limit their analysis to Primordial Black Holes (PBH). It is unclear how well LSST microlensing will be able to constrain alternative models of DCOs with different Galactic spatial profile distributions at a subdominant DM fraction. In this work, we investigate how well LSST microlensing will constrain spherical or disk-like Galactic spatial distributions of DCOs, taking into account extended observing times, baryonic microlensing background, and sky distribution of LSST sources. These extensions represent significant improvements over existing microlensing forecasts in terms of both accuracy and versatility. We demonstrate this power by deriving new LSST sensitivity projections for DCOs in spherical and disk-like distributions. We forecast that LSST will be able to constrain one-solar-mass PBHs to have a DM fraction under 4.1 × 10−4. One-solar-mass objects in a dark disk distribution with the same dimensions as the Galactic disk will be constrained below 3.1 × 10−4, while those with m = 105 M ⊙ will be constrained to below 3.4 × 10−5. We find that compressed dark disks can be constrained up to a factor of ∼10 better than ones with identical dimensions to the baryonic disk. We also find that dark disks become less tightly constrained when they are tilted with respect to our own disk. This forecasting software is a versatile tool, capable of constraining any model of DCOs in the Milky Way with microlensing, and is made publicly available .
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».