Consistent clustering and lensing of SDSS-III BOSS galaxies with an extended abundance matching formalism
Notice bibliographique
Résumé
ABSTRACT Several analyses have shown that Λ cold dark matter-based models cannot jointly describe the clustering (GC) and galaxy–galaxy lensing (GGL) of galaxies in the Sloan Digital Sky Survey-III (SDSS-III) Baryon Oscillation Spectroscopic Survey (BOSS), which is commonly known as the ‘lensing-is-low problem’. In this work, we show that an extension of Subhalo Abundance Matching, dubbed SHAMe, successfully solves this problem. First, we show that this model accurately reproduces the GC and GGL of a mock galaxy sample in the TNG300 hydrodynamic simulation with properties analogous to those of BOSS galaxies. Then, we switch our attention to observed BOSS galaxies at z = 0.31−0.43, and we attempt to reproduce their GC and GGL by evaluating SHAMe on two different simulations: one adopting best-fitting cosmological parameters from Planck and the other from weak gravitational lensing surveys (Low S8), where the amplitude of matter fluctuations is lower for the latter. We find excellent agreement between SHAMe predictions and observations for both cosmologies, indicating that the lensing-is-low problem originates from approximations in previous theoretical descriptions of the data. The main difference between SHAMe results in these cosmologies is the level of galaxy assembly bias, which is approximately 20 per cent and 10 per cent for Planck and Low S8, respectively. These results highlight the dangers of employing oversimplified models to analyse current large-scale structure data sets, and the need for realistic yet flexible descriptions of the galaxy–halo connection.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».