Cluster Lensing Mass Inversion (CLUMI+): Combining Dynamics and Weak Lensing around Galaxy Clusters
Notice bibliographique
Résumé
Abstract We present clumi+, a self-consistent, multiprobe methodology for reconstructing the mass distribution in and around galaxy clusters by combining gravitational lensing and dynamical observations. Building on the joint likelihood framework of K. Umetsu, clumi+ integrates weak-lensing shear and magnification data with projected escape velocity measurements in the cluster infall region, yielding tighter constraints on the gravitational potential without relying on equilibrium assumptions. The mass distribution is modeled using a flexible, piecewise-defined convergence profile that characterizes the azimuthally averaged surface mass density within the lensing field, transitioning to a projected power-law form at larger radii where phase-space constraints complement lensing. Additional strong-lensing constraints are incorporated via central aperture-mass measurements, enabling full-scale mass reconstruction from the cluster core to the outskirts. We validate clumi+ using synthetic weak-lensing and phase-space data for a massive cluster from the IllustrisTNG simulations, demonstrating unbiased recovery of projected and three-dimensional mass profiles and achieving 10%–30% improvement in precision at large radii. As a case study, we apply clumi+ to A2261, combining Subaru and Hubble Space Telescope weak+strong-lensing data with spectroscopic measurements from the Hectospec Cluster Survey. This analysis demonstrates the power of multiprobe, equilibrium-free modeling for robust cluster mass reconstruction.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».