MétaCan
Menu
Retour à la cohorte
Enregistrement W4406207721 · doi:10.1051/0004-6361/202452122

<i>Euclid</i> preparation

2025· article· en· W4406207721 sur OpenAlexaff
L. Ingoglia, M. Sereno, S. Farrens, C. Giocoli, Lucie Baumont

Notice bibliographique

RevueAstronomy and Astrophysics · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstronomy and Astrophysical Research
Établissements canadiensPerimeter InstituteUniversity of WaterlooFractal Systems (Canada)
Organismes subventionnairesFundação para a Ciência e a TecnologiaNorsk RomsenterAgenția Spațială RomânăAgenzia Spaziale ItalianaMagyar Tudományos AkadémiaNational Astronomical Observatory of JapanEuropean CommissionEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésPhysicsHaloWeak gravitational lensingGalaxyEstimatorAstrophysicsConcentration parameterDark matterPrior probabilityRange (aeronautics)Mass distributionStatisticsRedshiftBayesian probabilityMathematics

Résumé

récupéré en direct d'OpenAlex

The ability to measure unbiased weak-lensing (WL) masses is a key ingredient to exploit galaxy clusters as a competitive cosmological probe with the ESA Euclid survey or future missions. We investigate the level of accuracy and precision of cluster masses measured with the Euclid data processing pipeline. We use the DEMNUni-Cov N -body simulations to assess how well the WL mass probes the true halo mass, and, then, how well WL masses can be recovered in the presence of measurement uncertainties. We consider different halo mass density models, priors, and mass point estimates, that is the biweight, mean, and median of the marginalised posterior distribution and the maximum likelihood parameter. WL mass differs from true mass due to, for example, the intrinsic ellipticity of sources, correlated or uncorrelated matter and large-scale structure, halo triaxiality and orientation, and merging or irregular morphology. In an ideal scenario without observational or measurement errors, the maximum likelihood estimator is the most accurate, with WL masses biased low by ⟨ b M ⟩= − 14.6 ± 1.7% on average over the full range M 200c > 5 × 10 13 M ⊙ and z < 1. Due to the stabilising effect of the prior, the biweight, mean, and median estimates are more precise, that is with smaller intrinsic scatter. The scatter decreases with increasing mass and informative priors can significantly reduce the scatter. Halo mass density profiles with a truncation provide better fits to the lensing signal, while the accuracy and precision are not significantly affected. We further investigate the impact of various additional sources of systematic uncertainty on the WL mass estimates, namely the impact of photometric redshift uncertainties and source selection, the expected performance of Euclid cluster detection algorithms, and the presence of masks. Taken in isolation, we find that the largest effect is induced by non-conservative source selection with ⟨ b M ⟩= − 33.4 ± 1.6%. This effect can be mostly removed with a robust selection. As a final Euclid -like test, we combine systematic effects in a realistic observational setting and find ⟨ b M ⟩= − 15.5 ± 2.4% under a robust selection. This is very similar to the ideal case, though with a slightly larger scatter mostly due to cluster redshift uncertainty and miscentering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,774

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0050,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,4580,398

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,269
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy and AstrophysicsMême sujetAstronomy and Astrophysical ResearchTravaux en français237 207