Dark Energy Survey Year 3 results: Imprints of cosmic voids and superclusters in the <i>Planck</i> CMB lensing map
Notice bibliographique
Résumé
ABSTRACT The CMB lensing signal from cosmic voids and superclusters probes the growth of structure in the low-redshift cosmic web. In this analysis, we cross-correlated the Planck CMB lensing map with voids detected in the Dark Energy Survey Year 3 (Y3) data set (∼5000 deg2), expanding on previous measurements that used Y1 catalogues (∼1300 deg2). Given the increased statistical power compared to Y1 data, we report a 6.6σ detection of negative CMB convergence (κ) imprints using approximately 3600 voids detected from a redMaGiC luminous red galaxy sample. However, the measured signal is lower than expected from the MICE N-body simulation that is based on the ΛCDM model (parameters Ωm = 0.25, σ8 = 0.8), and the discrepancy is associated mostly with the void centre region. Considering the full void lensing profile, we fit an amplitude $A_{\kappa }=\kappa _{{\rm DES}}/\kappa _{{\rm MICE}}$ to a simulation-based template with fixed shape and found a moderate 2σ deviation in the signal with Aκ ≈ 0.79 ± 0.12. We also examined the WebSky simulation that is based on a Planck 2018 ΛCDM cosmology, but the results were even less consistent given the slightly higher matter density fluctuations than in MICE. We then identified superclusters in the DES and the MICE catalogues, and detected their imprints at the 8.4σ level; again with a lower-than-expected Aκ = 0.84 ± 0.10 amplitude. The combination of voids and superclusters yields a 10.3σ detection with an Aκ = 0.82 ± 0.08 constraint on the CMB lensing amplitude, thus the overall signal is 2.3σ weaker than expected from MICE.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».