<i>Euclid</i> preparation
Notice bibliographique
Résumé
Aims. We investigate the importance of lensing magnification for estimates of galaxy clustering and its cross-correlation with shear for the photometric sample of Euclid. Using updated specifications, we study the impact of lensing magnification on the constraints and the shift in the estimation of the best fitting cosmological parameters that we expect if this effect is neglected. Methods. We follow the prescriptions of the official Euclid Fisher matrix forecast for the photometric galaxy clustering analysis and the combination of photometric clustering and cosmic shear. The slope of the luminosity function (local count slope), which regulates the amplitude of the lensing magnification, and the galaxy bias have been estimated from the Euclid Flagship simulation. Results. We find that magnification significantly affects both the best-fit estimation of cosmological parameters and the constraints in the galaxy clustering analysis of the photometric sample. In particular, including magnification in the analysis reduces the 1σ errors on Ωm, 0, w0, wa at the level of 20–35%, depending on how well we will be able to independently measure the local count slope. In addition, we find that neglecting magnification in the clustering analysis leads to shifts of up to 1.6σ in the best-fit parameters. In the joint analysis of galaxy clustering, cosmic shear, and galaxy–galaxy lensing, magnification does not improve precision, but it leads to an up to 6σ bias if neglected. Therefore, for all models considered in this work, magnification has to be included in the analysis of galaxy clustering and its cross-correlation with the shear signal (3 × 2pt analysis) for an accurate parameter estimation.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,304 | 0,242 |
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 ».