Self-calibrating BAO measurements in the presence of small displacement interlopers
Notice bibliographique
Résumé
Abstract Baryon Acoustic Oscillation (BAO) observations offer a robust method for measuring cosmological expansion. However, the BAO signal in a sample of galaxies can be diluted and shifted by interlopers — galaxies that have been assigned the wrong redshifts. Because of the slitless spectroscopic method adopted by the Roman and Euclid space telescopes, the galaxy samples resulting from single line detections will have relatively high fractions of interloper galaxies. Interlopers with a small displacement between true and false redshift have the strongest effect on the measured clustering. In order to model the BAO signal, the fraction of such interlopers and their clustering need to be accurately known. We introduce a new method to self-calibrate these quantities by shifting the contaminated sample towards or away from us along the line of sight by the interloper offset, and measuring the cross-correlations between these shifted samples. The contributions from the different components are shifted in scale in this cross-correlation compared to the auto-correlation of the contaminated sample, enabling the decomposition and extraction of the component terms. We demonstrate the application of the method using numerical simulations and show that an unbiased BAO measurement can be extracted. Unlike previous attempts to model the effects of contaminants, self-calibration allows us to make fewer assumptions about the form of the contaminants such as their bias.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».