Doppler bias: impact of peculiar velocities on color selection and the large scale structure of galaxy surveys
Notice bibliographique
Résumé
Abstract Lightcone selection effects on cosmic observables must be precisely accounted for in the next generation of surveys, including the Dark Energy Spectroscopic Instrument (DESI) survey. This will allow us to correctly model the data and extract subtle shifts from general-relativistic effects. We examine the effects of peculiar velocities on color selection in spectroscopic galaxy surveys, with a focus on their implications for the galaxy clustering dipole P 1(k). Using DESI Emission Line Galaxy (ELG) targets, we show that peculiar velocities can shift spectral emission features into or out of filter bands, modifying galaxy colors and thereby changing galaxy selection. This phenomenon mimics the effect of evolution bias, and we refer to it as the Doppler bias, bD . The Doppler bias is of comparable size to the evolution bias at 0.8 < z < 1, where it is largest. This enhances the ELG-LRG (Luminous Red Galaxy) cross-correlation dipole by 25–50%. This could be detectable at the ∼ 6σ level for the full DESI survey. Additionally, we found that our bD estimate is impacted by the incompleteness of the parent ELG sample. Therefore, this work highlights the essential need for careful consideration of spectral-dependent biases caused by peculiar velocities during the selection phase of galaxy surveys, to enable unbiased 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 | 0,006 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».