Testing gravity with galaxy-galaxy lensing and redshift-space distortions using CFHT-Stripe 82, CFHTLenS, and BOSS CMASS datasets
Notice bibliographique
Résumé
The combination of galaxy-galaxy lensing (GGL) and redshift space distortion of galaxy clustering (RSD) is a privileged technique to test general relativity predictions and break degeneracies between the growth rate of structure parameter f and the amplitude of the linear power spectrum σ8. We performed a joint GGL and RSD analysis on 250 sq. deg using shape catalogues from CFHTLenS and CFHT-Stripe 82 and spectroscopic redshifts from the BOSS CMASS sample. We adjusted a model that includes non-linear biasing, RSD, and Alcock–Paczynski effects. We used an N-body simulation supplemented by an abundance matching prescription for CMASS galaxies to build a set of overlapping lensing and clustering mocks. Together with additional spectroscopic data, this helps us to quantify and correct several systematic errors, such as photometric redshifts. We find f(z = 0.57) = 0.95 ± 0.23, σ8(z = 0.57) = 0.55 ± 0.07 and Ωm = 0.31 ± 0.08, in agreement with Planck cosmological results 2018. We also estimate the probe of gravity EG = 0.43 ± 0.10, in agreement with ΛCDM−GR predictions of EG = 0.40. This analysis reveals that RSD efficiently decreases the GGL uncertainty on Ωm by a factor of 4 and by 30% on σ8. We make our mock catalogues available on the Skies and Universe database.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».