Improved halo model calibrations for mixed dark matter models of ultralight axions
Notice bibliographique
Résumé
ABSTRACT We study the implications of relaxing the requirement for ultralight axions to account for all dark matter in the Universe by examining mixed dark matter (MDM) cosmologies with axion fractions $f \le 0.3$ within the fuzzy dark matter window $10^{-25}$ eV $\lesssim m \lesssim 10^{-23}$ eV. Our simulations, using a new MDM gravity solver implemented in AxiREPO, capture wave dynamics across various scales with high accuracy down to redshifts $z\approx 1$. We identify haloes with Rockstar using the cold dark matter component and find good agreement of inferred halo mass functions and concentration–mass relations with theoretical models across redshifts $z=1{\!-\!}10$. This justifies our halo finder approach a posteriori as well as the assumptions underlying the MDM halo model AxionHMcode. Using the inferred axion halo mass–cold halo mass relation $M_{\text{a}}(M_{\text{c}})$ and calibrating a generalized smoothing parameter $\alpha$ to our MDM simulations, we present a new version of AxionHMcode. The code exhibits excellent agreement with simulations on scales $k\lt 20 \, h \, \text{cMpc}^{-1}$ at redshifts $z=1{\!-\!}3.5$ for $f\le 0.1$ around the fiducial axion mass $m = 10^{-24.5}\, \text{eV} = 3.16\times 10^{-25}\, \text{eV}$, with maximum deviations remaining below 10 per cent. For axion fractions $f\le 0.3$, the model maintains accuracy with deviations under 20 per cent at redshifts $z\approx 1$ and scales $k\lt 10 \, h \, \text{cMpc}^{-1}$, though deviations can reach up to 30 per cent for higher redshifts when $f=0.3$. Reducing the run-time for a single evaluation of AxionHMcode to below 1 min, these results highlight the potential of AxionHMcode to provide a robust framework for parameter sampling across MDM cosmologies in Bayesian constraint and forecast analyses.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».