The MillenniumTNG project: intrinsic alignments of galaxies and haloes
Notice bibliographique
Résumé
ABSTRACT The intrinsic alignment (IA) of observed galaxy shapes with the underlying cosmic web is a source of contamination in weak lensing surveys. Sensitive methods to identify the IA signal will therefore need to be included in the upcoming weak lensing analysis pipelines. Hydrodynamical cosmological simulations allow us to directly measure the intrinsic ellipticities of galaxies, and thus provide a powerful approach to predict and understand the IA signal. Here we employ the novel, large-volume hydrodynamical simulation MTNG740, a product of the MillenniumTNG (MTNG) project, to study the IA of galaxies. We measure the projected correlation functions between the intrinsic shape/shear of galaxies and various tracers of large-scale structure, w+g, w+m, w++ over the radial range $r_{\rm p} \in [0.02 , 200]\, h^{-1}{\rm Mpc}$ and at redshifts z = 0.0, 0.5, and 1.0. We detect significant signal-to-noise IA signals with the density field for both elliptical and spiral galaxies. We also find significant intrinsic shear–shear correlations for ellipticals. We further examine correlations of the intrinsic shape of galaxies with the local tidal field. Here we find a significant IA signal for elliptical galaxies assuming a linear model. We also detect a weak IA signal for spiral galaxies under a quadratic tidal torquing model. Lastly, we measure the alignment between central galaxies and their host dark-matter haloes, finding small to moderate misalignments between their principal axes that decline with halo mass.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».