Identifying frequency decorrelated dust residuals in B-mode maps by exploiting the spectral capability of bolometric interferometry
Notice bibliographique
Résumé
Astrophysical polarized foregrounds represent the most critical challenge in Cosmic Microwave Background (CMB) B-mode experiments. Multi-frequency observations can be used to constrain astrophysical foregrounds to isolate the CMB contribution. However, recent observations indicate that foreground emission may be more complex than anticipated. We investigate how the increased spectral resolution provided by band splitting in Bolometric Interferometry (BI) through a technique called spectral imaging can help control the foreground contamination in the case of unaccounted Galactic dust frequency decorrelation along the line-of-sight. We focus on the next generation ground-based CMB experiment CMB-S4, and compare its anticipated sensitivities, frequency and sky coverage with a hypothetical version of the same experiment based on BI. We perform a Monte-Carlo analysis based on parametric component separation methods (FGBuster and Commander) and compute the likelihood on the recovered tensor-to-scalar ratio. The main result of this analysis is that spectral imaging allows us to detect systematic uncertainties on r from frequency decorrelation when this effect is not accounted for in component separation. Conversely, an imager would detect a biased value of r and would be unable to spot the presence of a systematic effect. We find a similar result in the reconstruction of the dust spectral index, where we show that with BI we can measure more precisely the dust spectral index also when frequency decorrelation is present. The in-band frequency resolution provided by BI allows us to identify dust LOS frequency decorrelation residuals where an imager of similar performance would fail. This opens the prospect to exploit this potential in the context of future CMB polarization experiments that will be challenged by complex foregrounds in their quest for B-modes detection.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».