基于SDSS调查中空洞统计信息约束宇宙模型参数
计算机视觉与模式识别
2024-06-21 v1 机器学习
摘要
我们识别了空洞作为Uchuu模拟中最大的非重叠球体,以及三个体积较小且不同值的较小型 halo 模拟盒子中的星系,以及SDSS DR7 调查中红移在范围内且在波段绝对星等的32个Uchuu-SDSS 模拟光锥。我们计算了空洞概率函数以及由本工作中使用的理论框架预测的大于的空洞丰度,并验证了该理论框架成功预测这两个 halo 模拟盒子的空洞函数。接下来,我们评估了该理论框架利用Uchuu-SDSS空洞统计信息约束宇宙模型参数的潜力,并使用蒙特卡洛链采样技术推断、和H的值。我们获得的约束为:,,H,和S=1.017。如果将这些约束与KiDS-1000+DESY3结合,我们得到,,H和S=0.794。组合后的不确定性约为仅有弱引力不确定性的2-3倍。这源于SDSS空洞和弱引力置信水平轮廓在平面中的正交性(已删减)。
关键词
引用
@article{arxiv.2406.13735,
title = {StableSemantics: A Synthetic Language-Vision Dataset of Semantic Representations in Naturalistic Images},
author = {Rushikesh Zawar and Shaurya Dewan and Andrew F. Luo and Margaret M. Henderson and Michael J. Tarr and Leila Wehbe},
journal= {arXiv preprint arXiv:2406.13735},
year = {2024}
}
备注
Dataset website: https://stablesemantics.github.io/StableSemantics