Euclid preparation : XLIV. Modelling spectroscopic clustering on mildly nonlinear scales in beyond-ΛCDM models
Notice bibliographique
Résumé
We investigate the approximations needed to efficiently predict the large-scale clustering of matter and dark matter halos in beyond-$Λ$CDM scenarios. We examine the normal branch of the Dvali-Gabadadze-Porrati model, the Hu-Sawicki $f(R)$ model, a slowly evolving dark energy, an interacting dark energy model and massive neutrinos. For each, we test approximations for the perturbative kernel calculations, including the omission of screening terms and the use of perturbative kernels based on the Einstein-de Sitter universe; we explore different infrared-resummation schemes, tracer bias models and a linear treatment of massive neutrinos; we employ two models for redshift space distortions, the Taruya-Nishimishi-Saito prescription and the Effective Field Theory of Large-Scale Structure. This work further provides a preliminary validation of the codes being considered by Euclid for the spectroscopic clustering probe in beyond-$Λ$CDM scenarios. We calculate and compare the $χ^2$ statistic to assess the different modelling choices. This is done by fitting the spectroscopic clustering predictions to measurements from numerical simulations and perturbation theory-based mock data. We compare the behaviour of this statistic in the beyond-$Λ$CDM cases, as a function of the maximum scale included in the fit, to the baseline $Λ$CDM case. We find that the Einstein-de Sitter approximation without screening is surprisingly accurate for all cases when comparing to the halo clustering monopole and quadrupole obtained from simulations. Our results suggest that the inclusion of multiple redshift bins, higher-order multipoles, higher-order clustering statistics (such as the bispectrum) and photometric probes such as weak lensing, will be essential to extract information on massive neutrinos, modified gravity and dark energy.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,024 | 0,008 |
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 ».