KiDS-1000: Cosmic shear with enhanced redshift calibration
Notice bibliographique
Résumé
We present a cosmic shear analysis with an improved redshift calibration for the fourth data release of the Kilo-Degree Survey (KiDS-1000) using self-organising maps (SOMs). Compared to the previous analysis of the KiDS-1000 data, we expand the redshift calibration sample to more than twice its size, now consisting of data of 17 spectroscopic redshift campaigns, and significantly extending the fraction of KiDS galaxies we are able to calibrate with our SOM redshift methodology. We then enhanced the calibration sample with precision photometric redshifts from COSMOS2015 and the Physics of the Accelerated Universe Survey (PAUS), allowing us to fill gaps in the spectroscopic coverage of the KiDS data. Finally we performed a Complete Orthogonal Sets of E/B-Integrals (COSEBIs) cosmic shear analysis of the newly calibrated KiDS sample. We foundS8 = 0.748−0.025+0.021, which is in good agreement with previous KiDS studies and increases the tension with measurements of the cosmic microwave background to 3.4σ. We repeated the redshift calibration with different subsets of the full calibration sample and obtained, in all cases, agreement within at most 0.5σinS8compared to our fiducial analysis. Including additional photometric redshifts allowed us to calibrate an additional 6% of the source galaxy sample. Even though further systematic testing with simulated data is necessary to quantify the impact of redshift outliers, precision photometric redshifts can be beneficial at high redshifts and to mitigate selection effects commonly found in spectroscopically selected calibration samples.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».