MétaCan
Menu
Retour à la cohorte
Enregistrement W4411445630 · doi:10.1051/0004-6361/202554177

Selection function of clusters in Dark Energy Survey year 3 data from cross-matching with South Pole Telescope detections

2025· article· en· W4411445630 sur OpenAlexaff
S. Grandis, M. Costanzi, J. J. Mohr, L. E. Bleem, Hao‐Yi Wu, M. Aguena, S. Allam, F. Andrade-Oliveira, S. Bocquet, David H. Brooks, A. Carnero Rosell, J. Carretero, L. N. da Costa, M. E. S. Pereira, T. Davis, H. T. Diehl, P. Doel, S. Everett, B. Flaugher, J. Frieman, J. García-Bellido, E. Gaztanaga, D. Gruen, R. A. Gruendl, G. Gutierrez, S.R. Hinton, J. Hlacacek-Larrondo, K. Honscheid, D.J. James, Matthias Klein, J. L. Marshall, J. Mena-Fernández, R. Miquel, A. Palmese, A. A. Plazas, C. L. Reichardt, A. K. Romer, S. Samuroff, D. Sanchez Cid, E. Sanchez, B. Santiago, A. Saro, I Sevilla-Noarbe, M. Smith, M. Soares-Santos, Martin W. Sommer, E. Suchyta, G. Tarlé, C. To, D. L. Tucker, N. Weaverdyck, J. Weller, P. Wiseman

Notice bibliographique

RevueAstronomy and Astrophysics · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Statistical Methods and Models
Établissements canadiensUniversité de Montréal
Organismes subventionnairesSLAC National Accelerator LaboratoryIntegrated Electronics Engineering Center, Binghamton UniversityOffice of ScienceInstitut de Física d'Altes EnergiesConselho Nacional de Desenvolvimento Científico e TecnológicoEuropean CommissionMinisterio de Ciencia e InnovaciónGeneralitat de CatalunyaEuropean Regional Development FundU.S. Department of EnergyScience and Technology Facilities CouncilUniversity College LondonArgonne National LaboratoryCentres de Recerca de CatalunyaHigh Energy PhysicsDeutsche ForschungsgemeinschaftUniversity of PortsmouthOhio State UniversityUniversity of Illinois at Urbana-ChampaignLawrence Berkeley National LaboratoryUniversity of PennsylvaniaFinanciadora de Estudos e ProjetosFundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de JaneiroUniversity of SussexChina Scholarship CouncilMinistério da Ciência, Tecnologia e InovaçãoUniversity of ChicagoFermilabNational Science Foundation
Mots-clésPhysicsAstrophysicsRedshiftGalaxyProjection (relational algebra)Galaxy clusterDark energyPopulationModel selectionAstronomyAlgorithmStatisticsCosmology

Résumé

récupéré en direct d'OpenAlex

Context. Galaxy clusters selected based on overdensities of galaxies in photometric surveys provide the largest cluster samples. However, modeling the selection function of such samples is complicated by noncluster members projected along the line of sight (projection effects) and the potential detection of unvirialized objects (contamination). Aims. We empirically constrained the magnitude of these effects by cross-matching galaxy clusters selected in the Dark Energy Survey data with the redMaPPer algorithm with significant detections in three South Pole Telescope surveys (SZ, pol-ECS, pol-500d). Methods. For matched clusters, we augmented the redMaPPer catalog with the SPT detection significance. For unmatched objects we used the SPT detection threshold as an upper limit on the SZe signature. Using a Bayesian population model applied to the collected multiwavelength data, we explored various physically motivated models to describe the relationship between observed richness and halo mass. Results. Our analysis reveals a clear preference for models with an additional skewed scatter component associated with projection effects over a purely log-normal scatter model. We rule out significant contamination by unvirialized objects at the high-richness end of the sample. While dedicated simulations offer a well-fitting calibration of projection effects, our findings suggest the presence of redshift-dependent trends that these simulations may not have captured. Our findings highlight that modeling the selection function of optically detected clusters remains a complicated challenge that requires a combination of simulation and data-driven approaches.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,335
Écart entre enseignants0,290 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy and AstrophysicsMême sujetAdvanced Statistical Methods and ModelsTravaux en français237 207