Identifying frequency de-correlated dust residuals in <i>B</i>-mode maps by exploiting the spectral capability of bolometric interferometry
Notice bibliographique
Résumé
Context. Astrophysical polarized foregrounds represent the most critical challenge in cosmic microwave background (CMB) B -mode experiments, requiring multifrequency observations to constrain astrophysical foregrounds and isolate the CMB signal. However, recent observations indicate that foreground emission may be more complex than anticipated. Not properly accounting for these complexities during component separation can lead to a bias in the recovered tensor-to-scalar ratio. Aims. In this paper 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 an unaccounted-for Galactic dust frequency de-correlation along the line of sight (LOS). Methods. We focused on the next-generation ground-based CMB experiment CMB-S4 and compared its anticipated sensitivity, frequency, and sky coverage with a hypothetical version of the same experiment based on BI (CMB-S4/BI). We performed a Monte Carlo analysis based on parametric component separation methods (FGBuster and Commander) and computed the likelihood of the recovered tensor-to-scalar ratio, r . Results. The main result is that spectral imaging allows us to detect systematic uncertainties on r from frequency de-correlation when this effect is not accounted for in the component separation. Conversely, an imager such as CMB-S4 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, and we show that with BI we can more precisely measure the dust spectral index when frequency de-correlation is present and not accounted for in the component separation. Conclusions. The in-band frequency resolution provided by BI allows us to identify dust LOS frequency de-correlation residuals where an imager with a similar level of performance would fail. This creates the possibility of exploiting this potential in the context of future CMB polarization experiments that will be challenged by complex foregrounds in their quest for B -mode 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 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 | 0,001 |
| 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 | 0,001 |
| 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 ».