Key points are not available for this paper at this time.
À medida que as pesquisas de lente fraca se aprofundam, há uma necessidade crescente de caracterização confiável de estruturas não gaussianas em pequenas escalas angulares. Aqui apresentamos as primeiras restrições cosmológicas com a transformação de dispersão de lente fraca, um estimador estatístico que combina eficiência, robustez e interpretabilidade. Com os dados do primeiro ano da pesquisa Hyper Suprime-Cam (HSC), obtemos ₘ=0. 29-₀. ₀₃^+0. 04, S₈ ₈ (ₘ/0. 3) ^0. 5=0. 830. 02, e a força de alinhamento intrínseco AIA=1. 00. 4 através de modelagem para frente baseada em simulações. Nossas restrições são consistentes com as derivadas do Planck. O intervalo de erro de ₘ é 2 vezes mais apertado do que o obtido a partir do espectro de potência quando a mesma faixa de escala é utilizada. Esse poder de restrição é equivalente ao de redes neurais convolucionais, sugerindo que um maior investimento na extração de informação espacial pode não trazer benefícios substanciais. Também apontamos uma tensão interna das estimativas de S₈ ligada a um intervalo de desvio vermelho em torno de z ~ 1 nos dados do HSC. Descobrimos que descartar esse intervalo leva a uma diminuição consistente de S₈ de 0. 83 para 0. 79, para todos os estimadores estatísticos. Argumentamos que a estimativa de desvio vermelho fotométrico é agora a principal limitação na estimativa de S₈ usando o HSC. Essa limitação provavelmente afetará outras pesquisas de lente fraca baseadas em solo que atingem desvios vermelhos maiores que um. Técnicas alternativas de estimativa de desvio vermelho, como desvios vermelhos de agrupamento, podem ajudar a aliviar essa limitação.
Cheng et al. (Qua,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: