Running the small-correlated-against-large estimator at scale: Applications of small-scale CMB lensing estimators on realistic simulations
Notice bibliographique
Résumé
The Small-Correlated-Against-Large Estimator (SCALE) for small-scale lensing of the cosmic microwave background (CMB) provides a novel method for measuring the amplitude of CMB lensing power without the need for reconstruction of the lensing field. In our previous study, we showed that the SCALE method can outperform existing reconstruction methods to detect the presence of lensing at small scales ($\ell \gg 3000$). Here we develop a procedure to include information from SCALE in cosmological parameter inference. We construct a precise neural network emulator to quickly map cosmological parameters to desired CMB observables such as temperature and lensing power spectra and SCALE cross spectra. We also outline a method to apply SCALE to full-sky maps of the CMB temperature field, and construct a likelihood for the application of SCALE in parameter estimation. SCALE supplements conventional observables such as the CMB power spectra and baryon acoustic oscillations in constraining parameters that are sensitive to the small-scale lensing amplitude such as the neutrino mass $m_ν$. We show that including estimates of the small-scale lensing amplitude from SCALE in such an analysis provides enough constraining information to measure the minimum neutrino mass at $4σ$ significance in the scenario of minimal mass, and higher significance for higher mass. Finally, we show that SCALE will play a powerful role in constraining models of clustering that generate scale-dependent modulation to the distribution of matter and the lensing power spectrum, as predicted by models of warm or fuzzy dark matter.
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 | 0,006 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».