MétaCan
Menu
Retour à la cohorte
Enregistrement W4283395177 · doi:10.1103/physrevd.105.123525

Cross-correlation of Dark Energy Survey Year 3 lensing data with ACT and <i>Planck</i> thermal Sunyaev-Zel’dovich effect observations. I. Measurements, systematics tests, and feedback model constraints

2022· article· en· W4283395177 sur OpenAlexafffund
M. Gatti, Shivam Pandey, Eric J. Baxter, J. Colin Hill, E. Barry Moser, Marco Raveri, Xiao Fang, J. DeRose, G. Giannini, C. Doux, Hung-Jin Huang, Nicholas Battaglia, A. Alarcon, A. Amon, M. R. Becker, A. Campos, C. Chang, R. Chen, A. Choi, K. Eckert, J. Elvin-Poole, S. Everett, A. Ferté, I. Harrison, N. MacCrann, J. McCullough, J. Myles, A Navarro-Alsina, J. Prat, R. P. Rollins, C. Sánchez, T. Shin, M. A. Troxel, I. Tutusaus, B. Yin, T. M. C. Abbott, M. Aguena, S. Allam, F. Andrade-Oliveira, J. Annis, G. M. Bernstein, E. Bertin, Boris Bolliet, J. R. Bond, D. Brooks, D. L. Burke, Erminia Calabrese, A. Carnero Rosell, M. Carrasco Kind, J. Carretero, R. Cawthon, M. Costanzi, M. Crocce, L. N. da Costa, M. E. S. Pereira, J. De Vicente, S. Desai, H. T. Diehl, J. P. Dietrich, P. Doel, Jo Dunkley, A. E. Evrard, Simone Ferraro, I. Ferrero, B. Flaugher, P. Fosalba, J. García-Bellido, E. Gaztañaga, D. W. Gerdes, T. Giannantonio, D. Gruen, R. A. Gruendl, J. Gschwend, G. Gutiérrez, K. Herner, Adam D. Hincks, S. R. Hinton, K. Honscheid, John P. Hughes, Dragan Huterer, Bhuvnesh Jain, D. J. James, E. Krause, K. Kuehn, N. Kuropatkin, O. Lahav, C. Lidman, M. Lima, Martine Lokken, Mathew S. Madhavacheril, M. A. G. Maia, J. L. Marshall, J. J. McMahon, P. Melchior, Kavilan Moodley, J. J. Mohr, R. Morgan, F. Nati, Michael D. Niemack, Lyman A. Page, A. Palmese, F. Paz-Chinchón, A. Pieres, M. Rodríguez-Monroy, A. K. Romer, E. Sánchez, V. Scarpine, Emmanuel Schaan, L F Secco, S. Serrano, E. Sheldon, B. D. Sherwin, Cristobál Sifón, M. Smith, M. Soares-Santos, David N. Spergel, E. Suchyta, G. Tarlé, D. Thomas, C. To, C. Tucker, T N Varga, J. Weller, R. D. Wilkinson, Edward J. Wollack, Zhilei Xu

Notice bibliographique

RevuePhysical review. D/Physical review. D. · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensCanadian Institute for Theoretical AstrophysicsPerimeter InstituteUniversity of Toronto
Organismes subventionnairesSLAC National Accelerator LaboratoryH2020 European Research CouncilIntegrated Electronics Engineering Center, Binghamton UniversityEuropean Regional Development FundScience and Technology Facilities CouncilKavli Institute for Cosmological Physics, University of ChicagoOffice of ScienceUniversity of Illinois at Urbana-ChampaignCentro de Investigaciones Energéticas, Medioambientales y TecnológicasConselho Nacional de Desenvolvimento Científico e TecnológicoMinisterio de Economía y CompetitividadAgencia Nacional de Investigación y DesarrolloGeneralitat de CatalunyaUniversity of PortsmouthArts and Culture TrustHigh Energy PhysicsDeutsche ForschungsgemeinschaftArgonne National LaboratoryCentres de Recerca de CatalunyaTexas A and M UniversityUniversity of ChicagoNational Research FoundationOhio State UniversityMinistério da Ciência, Tecnologia e InovaçãoFundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de JaneiroCanada Foundation for InnovationHigher Education Funding Council for EnglandUniversity College LondonNational Aeronautics and Space AdministrationLawrence Berkeley National LaboratoryFinanciadora de Estudos e ProjetosUniversity of PennsylvaniaEuropean CommissionU.S. Department of EnergyPrinceton UniversityCenter for Cosmology and Astroparticle Physics, Ohio State UniversityUniversity of SussexNational Institute of Standards and TechnologyGordon and Betty Moore FoundationInstitut de Física d'Altes EnergiesNational Centre for Supercomputing ApplicationsFermilabNational Science Foundation
Mots-clésPhysicsPlanckDark energyAstrophysicsRedshiftWeak gravitational lensingCosmologySouth Pole TelescopeBaryonSunyaev–Zel'dovich effectGalaxyAstronomy

Résumé

récupéré en direct d'OpenAlex

We present a tomographic measurement of the cross-correlation between thermal Sunyaev-Zel'dovich (TSZ) maps from Planck and the Atacama Cosmology Telescope and weak galaxy lensing shears measured during the first three years of observations of the Dark Energy Survey. This correlation is sensitive to the thermal energy in baryons over a wide redshift range and is therefore a powerful probe of astrophysical feedback. We detect the correlation at a statistical significance of $21\ensuremath{\sigma}$, the highest significance to date. We examine the TSZ maps for potential contaminants, including cosmic infrared background and radio sources, finding that cosmic infrared background has a substantial impact on our measurements and must be taken into account in our analysis. We use the cross-correlation measurements to test different feedback models. In particular, we model the TSZ using several different pressure profile models calibrated against hydrodynamical simulations. Our analysis marginalizes over redshift uncertainties, shear calibration biases, and intrinsic alignment effects. We also marginalize over ${\mathrm{\ensuremath{\Omega}}}_{\mathrm{m}}$ and ${\ensuremath{\sigma}}_{8}$ using Planck or DES priors. We find that the data prefer the model with a low amplitude of the pressure profile at small scales, compatible with a scenario with strong active galactic nuclei feedback and ejection of gas from the inner part of the halos. When using a more flexible model for the shear profile, constraints are weaker, and the data cannot discriminate between different baryonic prescriptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,352
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. D/Physical review. D.Même sujetGalaxies: Formation, Evolution, PhenomenaTravaux en français237 207