BLAST: Beyond Limber Angular power Spectra Toolkit. A fast and efficient algorithm for 3x2 pt analysis
Notice bibliographique
Résumé
The advent of next-generation photometric and spectroscopic surveys is approaching, bringing more data with tighter error bars. As a result, theoretical models will become more complex, incorporating additional parameters, which will increase the dimensionality of the parameter space and make posteriors more challenging to explore. Consequently, the need to improve and speed up our current analysis pipelines will grow. In this work, we focus on the 3x2pt statistics, a summary statistic that has become increasingly popular in recent years due to its great constraining power. These statistics involve calculating angular two-point correlation functions for the auto- and cross-correlations between galaxy clustering and weak lensing. The corresponding model is determined by integrating the product of the power spectrum and two highly-oscillating Bessel functions over three dimensions, which makes the evaluation particularly challenging. Typically, this difficulty is circumvented by employing the so-called Limber approximation, which is an important source of error. We present BLAST, an innovative and efficient algorithm for calculating angular power spectra without employing the Limber approximation or assuming a scale-dependent growth rate, based on the use of Chebyshev polynomials. The algorithm is compared with the publicly available beyond-Limber codes, whose performances were recently tested by the Rubin Observatory Legacy Survey of Space and Time Dark Energy Science Collaboration. At similar accuracy, BLAST is $\approx 10$-$15 \times$ faster than the winning method of the challenge, also showing excellent scaling with respect to various hyper-parameters. BLAST is publicly available on GitHub, and we release a repository where we explain how to use the code.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,036 |
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 ».