Retrieving cosmological information from small-scale CMB foregrounds
Notice bibliographique
Résumé
We propose a new analysis of small-scale cosmic microwave background (CMB) data by introducing the cosmological dependency of the foreground signals, focussing first on the thermal Sunyaev-Zel’dovich (tSZ) power spectrum, derived from the halo model. We analyse the latest observations by the South Pole Telescope (SPT) of the high-ℓ power (cross) spectra at 95, 150, and 220 GHz, as the sum of CMB and tSZ signals, both depending on cosmological parameters and remaining contaminants. In order to perform faster analyses, we propose a new tSZ modelling based on machine learning algorithms (namely Random Forest). We show that the additional information contained in the tSZ power spectrum tightens constraints on cosmological and tSZ scaling relation parameters. We combined for the first time the Planck tSZ data with SPT high-ℓ to derive new constraints. Finally, we show how the amplitude of the remaining kinetic SZ power spectrum varies depending on the assumptions made on both tSZ and cosmological parameters. These results show the importance of a thorough modelling of foregrounds in the cosmological analysis of small-scale CMB data. Reliable constraints on cosmological parameters can only be achieved once other significant foregrounds, such as the kinetic SZ and the cosmic infrared background (CIB), are also properly accounted for.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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) | 0,001 | 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 ».