Modelling the BOSS void-galaxy cross-correlation function using a neural-network emulator
Notice bibliographique
Résumé
Abstract We introduce an emulator-based method to model the cross-correlation between cosmological voids and galaxies. This allows us to model the effect of cosmology on void finding and on the shape of the void-galaxy cross-correlation function, improving on previous template-based methods. We train a neural network using the AbacusSummit simulation suite and fit to data from the Sloan Digital Sky Survey Baryon Oscillation Spectroscopic Survey sample. We recover information on the growth of structure through redshift-space distortions (RSD), and the geometry of the Universe through the Alcock-Paczyński (AP) effect, measuring Ω m = 0.330 ± 0.020 and σ 8 = 0.777 +0.047 -0.062 for a ΛCDM cosmology. Comparing to results from a template-based method, we find that fitting the shape of the void-galaxy cross-correlation function provides more information and leads to an improvement in constraining power. In contrast, we find that errors on the AP measurements were previously underestimated if void centres were assumed to have the same response to the AP effect as galaxies — a common simplification. Overall, we recover a 28% reduction in errors for Ω 8 and similar errors on σ 8 with our new method. Given the statistical power of future surveys including DESI and Euclid, we expect the method presented to become the new baseline for the analysis of voids in these data.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».