DESCollaboration2025DarkEnergySurvey
Brief
#
- 给出了一个和 3x2pt 以及 Planck 都没有 tension 的宇宙学约束
- 比较关键的在于和 Y1 的对比（这里 Y1 指的不是 Abbott2020DarkEnergySurvey）
- cluster catalog 由于采用了不同的 redMaPPer version（比如 percolation）存在细微差别
- lensing 测量细节存在一些差异
Intro
#
- LCDM 的一个关键问题是 S8 tension：CMB 测量的值相比近邻宇宙更高一些，说明中间的演化是没有被完全理解的
- 另外两个问题是 Hubble tension 和 evolving Lambda
- Y3 data 相比 Y1 有提升，并且这里结合了 3x2pt 进行统一的分析
Data
#
- 使用 redMaPPer 的 6.4.22 版本，一个更新是新的 percolation radius 的定义
- 红移范围是 0.2-0.65
- 样本容量是 16/18k
- cluster catalog 和 Y1 存在细微的差别（fig1），是因为算法的细节
- cross match 的 separation 用的是 0.5 角分
- 这里也没有细致挖掘「细微的差别」具体是哪些
- Y3 cluster catalog 的 mis-centering 比例是 0.13，偏心的特征尺度（Gamma 分布）是 0.23 倍 cluster radius
- 构建一个具有相同选择函数的 random catalog
- WL data 和 3x2pt 完全一致，shear 测量和 lensing 测量分别用 meta calibration 和 maglim
- 这里不是很理解为什么 fig4 中的红移还有分布和重叠，这里绘图的红移实际上是 spec-z 吗？这个问题应该去 3x2pt 那边找答案
Method
#
- cluster 的分 bin 是红移 3 times richness 4
- 除了 cluster abundance 之外还包含了 Tree Corr 测量的相关性，包括 WL (shear)、cc-corr、cg-corr、gg-corr
- 信噪比大部分是 30-100，数据点个数是 10-100 量级
- MOR 参数也纳入到统计框架中
- 对于 selection effect 采用一个经验性的修正
- MCMC 分析需要借助 emulator 降低计算成本
Blinding
#
- blind 的目的是消除无意识的 confirmation bias
- 3x2pt 的数据已经公开，这里的分析只能采取 parameter-level blinding，也就是对参数进行随机平移
- unblinding 之前要通过 model、data、fit 优度的检验
- 虽然参数被随机平移，但是各种做法对最后参数的影响范围和方向是可见的
- 这里对 data 的测试中提到了：如果将测量 cluster lensing 数据的方法替换为 Y1 中的旧方法，会导致宇宙学结果的很大程度的偏移
- 具体来说是用了一个线性变换，以及采用了 2Mpc 的 cutoff
- fig5 中的“Y1 lensing choice”代表这个偏移
Results
#
- 三个参数都比较合理，相比 Y1 来说 figure of merit 提升了 52%
- 对比的参考包括 Sunayama2024OpticalClusterCosmology
- 对比 DES 3x2pt 的 PTE 是 0.53
- 联合 3x2pt 之后有更强的约束，相对 Planck 的 PTE 是 0.6 或者 0.58 sigma
- fig8 中好像可以看出来 3x2pt 的约束能力稍强于 cluster abundance
Appendix F
#
- 这里对比的不是 Abbott 2020，而是 DES Y1 的另一篇文章（这里的 ref 11），给出的宇宙学限制相比这里的结论更偏右下角（也就是 Om 更大、ss8 更小）
- 但是原因同样在于选择效应，会导致小尺度上的 WL 信号的压低
Thoughts
#
- 是不是 6.4 是 redMaPPer 的一个稳定版本？
- 这里很多介绍都是比较简略的，细节在其他的 DES collaboration paper 里面：比如一篇 companion paper（To in prep.）
Supplement
#
- 宇宙学约束能力可以用 figure of merit 来量化，定义为约束椭圆的面积的倒数