Fuzzy dark matter and the Dark Energy Survey Year 1 data
Notice bibliographique
Résumé
ABSTRACT Gravitational weak lensing by dark matter haloes leads to a measurable imprint in the shear correlation function of galaxies. Fuzzy dark matter (FDM), composed of ultralight axion-like particles of mass m ∼ 10−22 eV, suppresses the matter power spectrum and shear correlation with respect to standard cold dark matter. We model the effect of FDM on cosmic shear using the optimized halo model HMCode, accounting for additional suppression of the mass function and halo concentration in FDM as observed in N-body simulations. We combine Dark Energy Survey Year 1 (DES-Y1) data with the Planck cosmic microwave background anisotropies to search for shear correlation suppression caused by FDM. We find no evidence of suppression compared to the preferred cold dark matter model, and thus set a new lower limit to the FDM particle mass. Using a log-flat prior and marginalizing over uncertainties related to the non-linear model of FDM, we find a new, independent 95 per cent C.L. lower limit log10m > −23 combining Planck and DES-Y1 shear, an improvement of almost two orders of magnitude on the mass bound relative to CMB-only constraints. Our analysis is largely independent of baryonic modelling, and of previous limits to FDM covering this mass range. Our analysis highlights the most important aspects of the FDM non-linear model for future investigation. The limit to FDM from weak lensing could be improved by up to three orders of magnitude with $\mathcal {O}(0.1)$ arcmin cosmic shear angular resolution, if FDM and baryonic feedback can be simultaneously modelled to high precision in the halo model.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».