The DESI One-Percent Survey: exploring a generalized SHAM for multiple tracers with the UNIT simulation
Notice bibliographique
Résumé
ABSTRACT We perform SubHalo Abundance Matching (SHAM) studies on UNIT simulations with {σ, Vceil, vsmear}-SHAM and {σ, Vceil, fsat}-SHAM. They are designed to reproduce the clustering on 5–30 $\, {\, h^{-1}\, {\rm Mpc}}$ of luminous red galaxies (LRGs), emission-line galaxies (ELGs), and quasi-stellar objects (QSOs) at 0.4 < z < 3.5 from DESI (Dark Energy Spectroscopic Instrument) One Percent Survey. Vceil is the incompleteness of the massive host (sub)haloes and is the key to the generalized SHAM. vsmear models the clustering effect of redshift uncertainties, providing measurements consistent with those from repeat observations. A free satellite fraction fsat is necessary to reproduce the clustering of ELGs. We find ELGs present a more complex galaxy–halo mass relation than LRGs reflected in their weak constraints on σ. LRGs, QSOs, and ELGs show increasing Vceil values, corresponding to the massive galaxy incompleteness of LRGs, the quenched star formation of ELGs and the quenched black hole accretion of QSOs. For LRGs, a Gaussian vsmear presents a better profile for subsamples at redshift bins than a Lorentzian profile used for other tracers. The impact of the statistical redshift uncertainty on ELG clustering is negligible. The best-fitting satellite fraction for DESI ELGs is around 4 per cent, lower than previous estimations for ELGs. The mean halo mass log10(〈Mvir〉) in ${{\, h^{-1}\, \mbox{M}_\odot }}{}$ for LRGs, ELGs, and QSOs are 13.16 ± 0.01, 11.90 ± 0.06, and 12.66 ± 0.45, respectively. Our generalized SHAM algorithms facilitate the production of multitracer galaxy mocks for cosmological tests.
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 | 0,005 | 0,010 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».