Euclid Collaboration,G. Congedo,L. Miller,A. N. Taylor,N. Cross,C. A. J. Duncan,T. Kitching,N. Martinet,S. Matthew,T. Schrabback,M. Tewes,N. Welikala,N. Aghanim,A. Amara,S. Andreon,N. Auricchio,M. Baldi,S. Bardelli,R. Bender,C. Bodendorf,D. Bonino,E. Branchini,M. Brescia,J. Brinchmann,S. Camera,V. Capobianco,C. Carbone,V. F. Cardone,J. Carretero,S. Casas,F. J. Castander,M. Castellano,S. Cavuoti,A. Cimatti,C. J. Conselice,L. Conversi,Y. Copin,F. Courbin,H. M. Courtois,M. Cropper,A. Da Silva,H. Degaudenzi,A. M. Di Giorgio,J. Dinis,F. Dubath,X. Dupac,M. Farina,S. Farrens,S. Ferriol,P. Fosalba,M. Frailis,E. Franceschi,S. Galeotta,B. Garilli,B. Gillis,C. Giocoli,A. Grazian,F. Grupp,S. V. H. Haugan,M. S. Holliman,W. Holmes,F. Hormuth,A. Hornstrup,P. Hudelot,K. Jahnke,E. Keihänen,S. Kermiche,A. Kiessling,M. Kilbinger,B. Kubik,K. Kuijken,M. Kümmel,M. Kunz,H. Kurki-Suonio,S. Ligori,P. B. Lilje,V. Lindholm,I. Lloro,D. Maino,E. Maiorano,O. Mansutti,O. Marggraf,K. Markovic,F. Marulli,R. Massey,S. Maurogordato,H. J. McCracken,E. Medinaceli,S. Mei,M. Melchior,M. Meneghetti,E. Merlin,G. Meylan,M. Moresco,B. Morin,L. Moscardini,E. Munari,S. -M. Niemi,J. W. Nightingale,C. Padilla,S. Paltani,F. Pasian,K. Pedersen,W. J. Percival,V. Pettorino,S. Pires,G. Polenta,M. Poncet,L. A. Popa,L. Pozzetti,F. Raison,R. Rebolo,A. Renzi,J. Rhodes,G. Riccio,E. Romelli,M. Roncarelli,E. Rossetti,R. Saglia,D. Sapone,B. Sartoris,P. Schneider,A. Secroun,G. Seidel,S. Serrano,C. Sirignano,G. Sirri,L. Stanco,P. Tallada-Crespí,D. Tavagnacco,I. Tereno,R. Toledo-Moreo,F. Torradeflot,I. Tutusaus,E. A. Valentijn,L. Valenziano,T. Vassallo,A. Veropalumbo,Y. Wang,J. Weller,G. Zamorani,J. Zoubian,E. Zucca,A. Biviano,M. Bolzonella,A. Boucaud,E. Bozzo,C. Burigana,C. Colodro-Conde,D. Di Ferdinando,J. Graciá-Carpio,N. Mauri,C. Neissner,A. A. Nucita,Z. Sakr,V. Scottez,M. Tenti,M. Viel,M. Wiesmann,Y. Akrami,V. Allevato,S. Anselmi,C. Baccigalupi,M. Ballardini,S. Borgani,A. S. Borlaff,S. Bruton,R. Cabanac,A. Cappi,C. S. Carvalho,G. Castignani,T. Castro,G. Cañas-Herrera,K. C. Chambers,A. R. Cooray,J. Coupon,S. Davini,G. De Lucia,G. Desprez,S. Di Domizio,H. Dole,A. Díaz-Sánchez,J. A. Escartin Vigo,S. Escoffier,I. Ferrero,F. Finelli,L. Gabarra,J. García-Bellido,E. Gaztanaga,F. Giacomini,G. Gozaliasl,D. Guinet,A. Hall,H. Hildebrandt,S. Ilić,A. Jimenez Muñoz,S. Joudaki,J. J. E. Kajava,V. Kansal,D. Karagiannis,C. C. Kirkpatrick,L. Legrand,J. Macias-Perez,G. Maggio,M. Magliocchetti,R. Maoli,M. Martinelli,C. J. A. P. Martins,M. Maturi,L. Maurin,R. B. Metcalf,M. Migliaccio,P. Monaco,G. Morgante,S. Nadathur,L. Patrizii,A. Peel,A. Pezzotta,V. Popa,C. Porciani,D. Potter,M. Pöntinen,P. Reimberg,P. -F. Rocci,A. G. Sánchez,J. A. Schewtschenko,A. Schneider,E. Sefusatti,M. Sereno,P. Simon,A. Spurio Mancini,J. Stadel,J. Steinwagner,G. Testera,R. Teyssier,S. Toft,S. Tosi,A. Troja,M. Tucci,C. Valieri,J. Valiviita,D. Vergani
Euclid Collaboration,G. Congedo,L. Miller,A. N. Taylor,N. Cross,C. A. J. Duncan,T. Kitching,N. Martinet,S. Matthew,T. Schrabback,M. Tewes,N. Welikala,N. Aghanim,A. Amara,S. Andreon,N. Auricchio,M. Baldi,S. Bardelli,R. Bender,C. Bodendorf,D. Bonino,E. Branchini,M. Brescia,J. Brinchmann,S. Camera,V. Capobianco,C. Carbone,V. F. Cardone,J. Carretero,S. Casas,F. J. Castander,M. Castellano,S. Cavuoti,A. Cimatti,C. J. Conselice,L. Conversi,Y. Copin,F. Courbin,H. M. Courtois,M. Cropper,A. Da Silva,H. Degaudenzi,A. M. Di Giorgio,J. Dinis,F. Dubath,X. Dupac,M. Farina,S. Farrens,S. Ferriol,P. Fosalba,M. Frailis,E. Franceschi,S. Galeotta,B. Garilli,B. Gillis,C. Giocoli,A. Grazian,F. Grupp,S. V. H. Haugan,M. S. Holliman,W. Holmes,F. Hormuth,A. Hornstrup,P. Hudelot,K. Jahnke,E. Keihänen,S. Kermiche,A. Kiessling,M. Kilbinger,B. Kubik,K. Kuijken,M. Kümmel,M. Kunz,H. Kurki-Suonio,S. Ligori,P. B. Lilje,V. Lindholm,I. Lloro,D. Maino,E. Maiorano,O. Mansutti,O. Marggraf,K. Markovic,F. Marulli,R. Massey,S. Maurogordato,H. J. McCracken,E. Medinaceli,S. Mei,M. Melchior,M. Meneghetti,E. Merlin,G. Meylan,M. Moresco,B. Morin,L. Moscardini,E. Munari,S. -M. Niemi,J. W. Nightingale,C. Padilla,S. Paltani,F. Pasian,K. Pedersen,W. J. Percival,V. Pettorino,S. Pires,G. Polenta,M. Poncet,L. A. Popa,L. Pozzetti,F. Raison,R. Rebolo,A. Renzi,J. Rhodes,G. Riccio,E. Romelli,M. Roncarelli,E. Rossetti,R. Saglia,D. Sapone,B. Sartoris,P. Schneider,A. Secroun,G. Seidel,S. Serrano,C. Sirignano,G. Sirri,L. Stanco,P. Tallada-Crespí,D. Tavagnacco,I. Tereno,R. Toledo-Moreo,F. Torradeflot,I. Tutusaus,E. A. Valentijn,L. Valenziano,T. Vassallo,A. Veropalumbo,Y. Wang,J. Weller,G. Zamorani,J. Zoubian,E. Zucca,A. Biviano,M. Bolzonella,A. Boucaud,E. Bozzo,C. Burigana,C. Colodro-Conde,D. Di Ferdinando,J. Graciá-Carpio,N. Mauri,C. Neissner,A. A. Nucita,Z. Sakr,V. Scottez,M. Tenti,M. Viel,M. Wiesmann,Y. Akrami,V. Allevato,S. Anselmi,C. Baccigalupi,M. Ballardini,S. Borgani,A. S. Borlaff,S. Bruton,R. Cabanac,A. Cappi,C. S. Carvalho,G. Castignani,T. Castro,G. Cañas-Herrera,K. C. Chambers,A. R. Cooray,J. Coupon,S. Davini,G. De Lucia,G. Desprez,S. Di Domizio,H. Dole,A. Díaz-Sánchez,J. A. Escartin Vigo,S. Escoffier,I. Ferrero,F. Finelli,L. Gabarra,J. García-Bellido,E. Gaztanaga,F. Giacomini,G. Gozaliasl,D. Guinet,A. Hall,H. Hildebrandt,S. Ilić,A. Jimenez Muñoz,S. Joudaki,J. J. E. Kajava,V. Kansal,D. Karagiannis,C. C. Kirkpatrick,L. Legrand,J. Macias-Perez,G. Maggio,M. Magliocchetti,R. Maoli,M. Martinelli,C. J. A. P. Martins,M. Maturi,L. Maurin,R. B. Metcalf,M. Migliaccio,P. Monaco,G. Morgante,S. Nadathur,L. Patrizii,A. Peel,A. Pezzotta,V. Popa,C. Porciani,D. Potter,M. Pöntinen,P. Reimberg,P. -F. Rocci,A. G. Sánchez,J. A. Schewtschenko,A. Schneider,E. Sefusatti,M. Sereno,P. Simon,A. Spurio Mancini,J. Stadel,J. Steinwagner,G. Testera,R. Teyssier,S. Toft,S. Tosi,A. Troja,M. Tucci,C. Valieri,J. Valiviita,D. Vergani

LensMC is a weak lensing shear measurement method developed for Euclid and Stage-IV surveys. It is based on forward modelling in order to deal with convolution by a point spread function (PSF) with comparable size to many galaxies; sampling the posterior distribution of galaxy parameters via Markov Chain Monte Carlo; and marginalisation over nuisance parameters for each of the 1.5 billion galaxies observed by Euclid. We quantified the scientific performance through high-fidelity images based on the Euclid Flagship simulations and emulation of the Euclid VIS images; realistic clustering with a mean surface number density of 250 arcmin$^{-2}$ ($I_{\rm E}<29.5$) for galaxies, and 6 arcmin$^{-2}$ ($I_{\rm E}<26$) for stars; and a diffraction-limited chromatic PSF with a full width at half maximum of $0.^{\!\prime\prime}2$ and spatial variation across the field of view. LensMC measured objects with a density of 90 arcmin$^{-2}$ ($I_{\rm E}<26.5$) in 4500 deg$^2$. The total shear bias was broken down into measurement (our main focus here) and selection effects (which will be addressed elsewhere). We found measurement multiplicative and additive biases of $m_1=(-3.6\pm0.2)\times10^{-3}$, $m_2=(-4.3\pm0.2)\times10^{-3}$, $c_1=(-1.78\pm0.03)\times10^{-4}$, $c_2=(0.09\pm0.03)\times10^{-4}$; a large detection bias with a multiplicative component of $1.2\times10^{-2}$ and an additive component of $-3\times10^{-4}$; and a measurement PSF leakage of $\alpha_1=(-9\pm3)\times10^{-4}$ and $\alpha_2=(2\pm3)\times10^{-4}$. When model bias is suppressed, the obtained measurement biases are close to Euclid requirement and largely dominated by undetected faint galaxies ($-5\times10^{-3}$). Although significant, model bias will be straightforward to calibrate given the weak sensitivity. LensMC is publicly available at https://gitlab.com/gcongedo/LensMC


翻译:暂无翻译

0
下载
关闭预览

相关内容

FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
RL解决'BipedalWalkerHardcore-v2' (SOTA)
CreateAMind
31+阅读 · 2019年7月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
Layer Normalization原理及其TensorFlow实现
深度学习每日摘要
32+阅读 · 2017年6月17日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
VIP会员
相关VIP内容
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
RL解决'BipedalWalkerHardcore-v2' (SOTA)
CreateAMind
31+阅读 · 2019年7月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
Layer Normalization原理及其TensorFlow实现
深度学习每日摘要
32+阅读 · 2017年6月17日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员