Model BOSS and eBOSS luminous red galaxies at 0.2 &lt; <i>z</i> &lt; 1.0 using SubHalo Abundance Matching with three parameters
Notice bibliographique
Résumé
ABSTRACT SubHalo Abundance Matching (SHAM) is an empirical method for constructing galaxy catalogues based on high-resolution N-body simulations. We apply SHAM on the UNIT simulation to simulate SDSS BOSS/eBOSS luminous red galaxies (LRGs) within a wide redshift range of 0.2 < $z$ < 1.0. Besides the typical SHAM scatter parameter σ, we include $v$smear and Vceil to take into account the redshift uncertainty and the galaxy incompleteness, respectively. These two additional parameters are critical for reproducing the observed 2PCF multipoles on 5–25$\, h^{-1}\, {\rm Mpc}$. The redshift uncertainties obtained from the best-fitting $v$smear agree with those measured from repeat observations for all SDSS LRGs except for the LOWZ sample. We explore several potential systematics but none of them can explain the discrepancy found in LOWZ. Our explanation is that the LOWZ galaxies might contain another type of galaxies that needs to be treated differently. The evolution of the measured σ and Vceil also reveals that the incompleteness of eBOSS galaxies decreases with the redshift. This is the consequence of the magnitude lower limit applied in eBOSS LRG target selection. Our SHAM also set upper limits for the intrinsic scatter of the galaxy–halo relation, given a complete galaxy sample: σint < 0.31 for LOWZ at 0.2 < $z$ < 0.33, σint < 0.36 for LOWZ at 0.33 < $z$ < 0.43, and σint < 0.46 for CMASS at 0.43 < $z$ < 0.51. The projected 2PCFs of our SHAM galaxies also agree with the observational ones on the 2PCF fitting range.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».