Towards Robust Quantification of Cosmological Errors
Notice bibliographique
Résumé
The method of baryon acoustic oscillation (BAO) is among the best probes of the dark energy equation of state,\nand worldwide efforts are being invested in order to perform measurements that are accurate at the percent level.\nIn current data analyses, however, estimates of the error about the BAO are based on the assumption\nthat the density field can be treated as Gaussian, an assumption that becomes less accurate as smaller scales are included in the measurement.\nIt was recently shown from large samples of N-body simulations that the error bars about the BAO obtained this way are in fact up to 15-20 per cent too small.\nThis important bias has shaken the confidence in the way error bars are calculated, and is motivating developments of analyses pipelines that include non-Gaussian features in the matter density fields.\n\nIn this thesis, we propose general strategies to incorporate non-Gaussian effects in the context of a survey. \nAfter describing the high performance N-body code that we used, we present novel properties of the non-Gaussian uncertainty about\nthe matter power spectrum, and explain how these combine with a general survey selection function.\nAssuming that the non-Gaussian features that are observed in the simulations correspond to those of Nature, \nthis approach is the first unbiased measurement of the error bar about the power spectrum, which simultaneously removes the undesired bias on the BAO error.\nWe then relax this assumption about the similitude of the non-Gaussian natures in simulations and data, \nand develop tools that aim at measuring the non-Gaussian error bars exclusively from the data.\n\nIt is possible to improve the constraining power of non-Gaussian analyses \nwith `Gaussianizations' techniques, which map the observed fields into something more Gaussian.\nWe show that two of such techniques maximally recover degrees of freedom that were lost in the gravitational collapse.\nFinally, from a large sample of high resolution N-body realizations, we construct a series of weak gravitational lensing distortion maps\n and provide high resolution halo catalogues that are used by the CFTHLenS community to calibrate their estimators and study many secondary effects with unprecedented\n accuracy.
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 | 0,000 |
| 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 ».