Constraints on primordial non-Gaussianity from the cross-correlation of DESI luminous red galaxies and
Notice bibliographique
Résumé
Aims. We use the angular cross-correlation between a luminous red galaxy (LRG) sample from the Dark Energy Spectroscopic Instrument (DESI) Legacy Survey data release DR9 and the Planck cosmic microwave background (CMB) lensing maps to constrain the local primordial non-Gaussianity parameter, fNL, using the scale-dependent galaxy bias effect. The galaxy sample covers approximately 40% of the sky, contains galaxies up to redshift z ∼ 1.4, and is calibrated with the LRG spectra that have been observed for DESI Year 1 (Y1). Methods. We apply a nonlinear imaging systematics treatment based on neural networks to remove observational effects that could potentially bias the fNL measurement. Our measurement is performed without blinding, but the full analysis pipeline is tested with simulations including systematics. Results. Using the two-point angular cross-correlation between LRG and CMB lensing only, we find $ f_{\mathrm{NL}} = 39_{-38}^{+40} $ at the 68% confidence level, and our result is robust in terms of systematics and cosmological assumptions. If we combine this information with the autocorrelation of LRG, applying a scale cut to limit the impact of systematics, we find $ f_{\mathrm{NL}} = 24_{-21}^{+20} $ at the 68% confidence level. Our results motivate the use of CMB lensing cross-correlations to measure fNL with future datasets, given its stability in terms of observational systematics compared to the angular autocorrelation. Furthermore, performing accurate systematics mitigation is crucially important in order to achieve competitive constraints on fNL from CMB lensing cross-correlation in combination with the tracers’ autocorrelation.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».