<i>Euclid</i> preparation
Notice bibliographique
Résumé
Context. Deviations from Gaussianity in the distribution of the fields probed by large-scale structure surveys generate additional terms in the data covariance matrix, increasing the uncertainties in the measurement of the cosmological parameters. Super-sample covariance (SSC) is among the largest of these non-Gaussian contributions, with the potential to significantly degrade constraints on some of the parameters of the cosmological model under study – especially for weak-lensing cosmic shear. Aims. We compute and validate the impact of SSC on the forecast uncertainties on the cosmological parameters for the Euclid photo-metric survey, and investigate how its impact depends on the specific details of the forecast. Methods. We followed the recipes outlined by the Euclid Collaboration (EC) to produce 1σ constraints through a Fisher matrix analysis, considering the Gaussian covariance alone and adding the SSC term, which is computed through the public code PySSC. The constraints are produced both by using Euclid’s photometric probes in isolation and by combining them in the ‘3×2pt’ analysis. Results. We meet EC requirements on the forecasts validation, with an agreement at the 10% level between the mean results of the two pipelines considered, and find the SSC impact to be non-negligible - halving the figure of merit (FoM) of the dark energy parameters (w0, wa) in the 3×2pt case and substantially increasing the uncertainties on Ωm,0,w0, w0, and σ8 for the weak-lensing probe. We find photometric galaxy clustering to be less affected as a consequence of the lower probe response. The relative impact of SSC, while highly dependent on the number and type of nuisance parameters varied in the analysis, does not show significant changes under variations of the redshift binning scheme. Finally, we explore how the use of prior information on the shear and galaxy bias changes the impact of SSC. We find that improving shear bias priors has no significant influence, while galaxy bias must be calibrated to a subpercent level in order to increase the FoM by the large amount needed to achieve the value when SSC is not included.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,492 | 0,381 |
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 ».