Measuring σ <sub>8</sub> using DESI Legacy Imaging Surveys Emission-Line galaxies and Planck CMB lensing, and the impact of dust on parameter inference
Notice bibliographique
Résumé
Abstract Measuring the growth of structure is a powerful probe for studying the dark sector, especially in light of the σ 8 tension between primary CMB anisotropy and low-redshift surveys. This paper provides a new measurement of the amplitude of the matter power spectrum, σ 8 , using galaxy-galaxy and galaxy-CMB lensing power spectra of Dark Energy Spectroscopic Instrument Legacy Imaging Surveys Emission-Line Galaxies and the Planck 2018 CMB lensing map. We create an ELG catalog composed of 24 million galaxies and with a purity of 85%, covering a redshift range 0 < z < 3, with z mean = 1.09. We implement several novel systematic corrections, such as jointly modeling the contribution of imaging systematics and photometric redshift uncertainties to the covariance matrix. We also study the impacts of various dust maps on cosmological parameter inference. We measure the cross-power spectra over f sky = 0.25 with a signal-to-background ratio of up to 30 σ . We find that the choice of dust maps to account for imaging systematics in estimating the ELG overdensity field has a significant impact on the final estimated values of σ 8 and Ω M , with far-infrared emission-based dust maps preferring σ 8 to be as low as 0.702 ± 0.030, and stellar-reddening-based dust maps preferring as high as 0.719 ± 0.030. The highest preferred value is at ∼ 3 σ tension with the Planck primary anisotropy results. These findings indicate a need for tomographic analyses at high redshifts and joint modeling of systematics.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».