Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
Catalogo dei prodotti della ricerca
Recent cosmic shear studies have shown that higher-order statistics (HOS) developed by independent teams now outperform standard two-point estimators in terms of statistical precision thanks to their sensitivity to the non-Gaussian features of large-scale structure. The aim of the Higher-Order Weak Lensing Statistics (HOWLS) project is to assess, compare, and combine the constraining power of ten different HOS on a common set of Euclid-like mocks, derived from N-body simulations. In this first paper of the HOWLS series, we computed the nontomographic (Omega(m), sigma(8)) Fisher information for the one-point probability distribution function, peak counts, Minkowski functionals, Betti numbers, persistent homology Betti numbers and heatmap, and scattering transform coefficients, and we compare them to the shear and convergence two-point correlation functions in the absence of any systematic bias. We also include forecasts for three implementations of higher-order moments, but these cannot be robustly interpreted as the Gaussian likelihood assumption breaks down for these statistics. Taken individually, we find that each HOS outperforms the two-point statistics by a factor of around two in the precision of the forecasts with some variations across statistics and cosmological parameters. When combining all the HOS, this increases to a 4.5 times improvement, highlighting the immense potential of HOS for cosmic shear cosmological analyses with Euclid. The data used in this analysis are publicly released with the paper.
Euclid preparation. XXVIII. Forecasts for ten different higher-order weak lensing statistics / Null, Null; Ajani, V.; Baldi, M.; Barthelemy, A.; Boyle, A.; Burger, P.; Cardone, V. F.; Cheng, S.; Codis, S.; Giocoli, C.; Harnois-Déraps, J.; Heydenreich, S.; Kansal, V.; Kilbinger, M.; Linke, L.; Llinares, C.; Martinet, N.; Parroni, C.; Peel, A.; Pires, S.; Porth, L.; Tereno, I.; Uhlemann, C.; Vicinanza, M.; Vinciguerra, S.; Aghanim, N.; Auricchio, N.; Bonino, D.; Branchini, E.; Brescia, M.; Brinchmann, J.; Camera, S.; Capobianco, V.; Carbone, C.; Carretero, J.; Castander, F. J.; Castellano, M.; Cavuoti, S.; Cimatti, A.; Cledassou, R.; Congedo, G.; Conselice, C. J.; Conversi, L.; Corcione, L.; Courbin, F.; Cropper, M.; Da Silva, A.; Degaudenzi, H.; Di Giorgio, A. M.; Dinis, J.; Douspis, M.; Dubath, F.; Dupac, X.; Farrens, S.; Ferriol, S.; Fosalba, P.; Frailis, M.; Franceschi, E.; Galeotta, S.; Garilli, B.; Gillis, B.; Grazian, A.; Grupp, F.; Hoekstra, H.; Holmes, W.; Hornstrup, A.; Hudelot, P.; Jahnke, K.; Jhabvala, M.; Kümmel, M.; Kitching, T.; Kunz, M.; Kurki-Suonio, H.; Lilje, P. B.; Lloro, I.; Maiorano, E.; Mansutti, O.; Marggraf, O.; Markovic, K.; Marulli, F.; Massey, R.; Mei, S.; Mellier, Y.; Meneghetti, M.; Moresco, M.; Moscardini, L.; Niemi, S. -M.; Nightingale, J.; Nutma, T.; Padilla, C.; Paltani, S.; Pedersen, K.; Pettorino, V.; Polenta, G.; Poncet, M.; Popa, L. A.; Raison, F.; Renzi, A.; Rhodes, J.; Riccio, G.; Romelli, E.; Roncarelli, M.; Rossetti, E.; Saglia, R.; Sapone, D.; Sartoris, B.; Schneider, P.; Schrabback, T.; Secroun, A.; Seidel, G.; Serrano, S.; Sirignano, C.; Stanco, L.; Starck, J. -L.; Tallada-Crespí, P.; Taylor, A. N.; Toledo-Moreo, R.; Torradeflot, F.; Tutusaus, I.; Valentijn, E. A.; Valenziano, L.; Vassallo, T.; Wang, Y.; Weller, J.; Zamorani, G.; Zoubian, J.; Andreon, S.; Bardelli, S.; Boucaud, A.; Bozzo, E.; Colodro-Conde, C.; Di Ferdinando, D.; Fabbian, G.; Farina, M.; Graciá-Carpio, J.; Keihänen, E.; Lindholm, V.; Maino, D.; Mauri, N.; Neissner, C.; Schirmer, M.; Scottez, V.; Zucca, E.; Akrami, Y.; Baccigalupi, C.; Balaguera-Antolínez, A.; Ballardini, M.; Bernardeau, F.; Biviano, A.; Blanchard, A.; Borgani, S.; Borlaff, A. S.; Burigana, C.; Cabanac, R.; Cappi, A.; Carvalho, C. S.; Casas, S.; Castignani, G.; Castro, T.; Chambers, K. C.; Cooray, A. R.; Coupon, J.; Courtois, H. M.; Davini, S.; de la Torre, S.; De Lucia, G.; Desprez, G.; Dole, H.; Escartin, J. A.; Escoffier, S.; Ferrero, I.; Finelli, F.; Ganga, K.; Garcia-Bellido, J.; George, K.; Giacomini, F.; Gozaliasl, G.; Hildebrandt, H.; Jimenez Muñoz, A.; Joachimi, B.; Kajava, J. J. E.; Kirkpatrick, C. C.; Legrand, L.; Loureiro, A.; Magliocchetti, M.; Maoli, R.; Marcin, S.; Martinelli, M.; Martins, C. J. A. P.; Matthew, S.; Maurin, L.; Metcalf, R. B.; Monaco, P.; Morgante, G.; Nadathur, S.; Nucita, A. A.; Popa, V.; Potter, D.; Pourtsidou, A.; Pöntinen, M.; Reimberg, P.; Sánchez, A. G.; Sakr, Z.; Schneider, A.; Sefusatti, E.; Sereno, M.; Shulevski, A.; Spurio Mancini, A.; Steinwagner, J.; Teyssier, R.; Valiviita, J.; Veropalumbo, A.; Viel, M.; Zinchenko, I. A.. - In: ASTRONOMY & ASTROPHYSICS. - ISSN 0004-6361. - 675:(2023). [10.1051/0004-6361/202346017]
Euclid preparation. XXVIII. Forecasts for ten different higher-order weak lensing statistics
null, null;Ajani, V.;Baldi, M.;Barthelemy, A.;Boyle, A.;Burger, P.;Cardone, V. F.;Cheng, S.;Codis, S.;Giocoli, C.;Harnois-Déraps, J.;Heydenreich, S.;Kansal, V.;Kilbinger, M.;Linke, L.;Llinares, C.;Martinet, N.;Parroni, C.;Peel, A.;Pires, S.;Porth, L.;Tereno, I.;Uhlemann, C.;Vicinanza, M.;Vinciguerra, S.;Aghanim, N.;Auricchio, N.;Bonino, D.;Branchini, E.;Brescia, M.;Brinchmann, J.;Camera, S.;Capobianco, V.;Carbone, C.;Carretero, J.;Castander, F. J.;Castellano, M.;Cavuoti, S.;Cimatti, A.;Cledassou, R.;Congedo, G.;Conselice, C. J.;Conversi, L.;Corcione, L.;Courbin, F.;Cropper, M.;Da Silva, A.;Degaudenzi, H.;Di Giorgio, A. M.;Dinis, J.;Douspis, M.;Dubath, F.;Dupac, X.;Farrens, S.;Ferriol, S.;Fosalba, P.;Frailis, M.;Franceschi, E.;Galeotta, S.;Garilli, B.;Gillis, B.;Grazian, A.;Grupp, F.;Hoekstra, H.;Holmes, W.;Hornstrup, A.;Hudelot, P.;Jahnke, K.;Jhabvala, M.;Kümmel, M.;Kitching, T.;Kunz, M.;Kurki-Suonio, H.;Lilje, P. B.;Lloro, I.;Maiorano, E.;Mansutti, O.;Marggraf, O.;Markovic, K.;Marulli, F.;Massey, R.;Mei, S.;Mellier, Y.;Meneghetti, M.;Moresco, M.;Moscardini, L.;Niemi, S. -M.;Nightingale, J.;Nutma, T.;Padilla, C.;Paltani, S.;Pedersen, K.;Pettorino, V.;Polenta, G.;Poncet, M.;Popa, L. A.;Raison, F.;Renzi, A.;Rhodes, J.;Riccio, G.;Romelli, E.;Roncarelli, M.;Rossetti, E.;Saglia, R.;Sapone, D.;Sartoris, B.;Schneider, P.;Schrabback, T.;Secroun, A.;Seidel, G.;Serrano, S.;Sirignano, C.;Stanco, L.;Starck, J. -L.;Tallada-Crespí, P.;Taylor, A. N.;Toledo-Moreo, R.;Torradeflot, F.;Tutusaus, I.;Valentijn, E. A.;Valenziano, L.;Vassallo, T.;Wang, Y.;Weller, J.;Zamorani, G.;Zoubian, J.;Andreon, S.;Bardelli, S.;Boucaud, A.;Bozzo, E.;Colodro-Conde, C.;Di Ferdinando, D.;Fabbian, G.;Farina, M.;Graciá-Carpio, J.;Keihänen, E.;Lindholm, V.;Maino, D.;Mauri, N.;Neissner, C.;Schirmer, M.;Scottez, V.;Zucca, E.;Akrami, Y.;Baccigalupi, C.;Balaguera-Antolínez, A.;Ballardini, M.;Bernardeau, F.;Biviano, A.;Blanchard, A.;Borgani, S.;Borlaff, A. S.;Burigana, C.;Cabanac, R.;Cappi, A.;Carvalho, C. S.;Casas, S.;Castignani, G.;Castro, T.;Chambers, K. C.;Cooray, A. R.;Coupon, J.;Courtois, H. M.;Davini, S.;de la Torre, S.;De Lucia, G.;Desprez, G.;Dole, H.;Escartin, J. A.;Escoffier, S.;Ferrero, I.;Finelli, F.;Ganga, K.;Garcia-Bellido, J.;George, K.;Giacomini, F.;Gozaliasl, G.;Hildebrandt, H.;Jimenez Muñoz, A.;Joachimi, B.;Kajava, J. J. E.;Kirkpatrick, C. C.;Legrand, L.;Loureiro, A.;Magliocchetti, M.;Maoli, R.;Marcin, S.;Martinelli, M.;Martins, C. J. A. P.;Matthew, S.;Maurin, L.;Metcalf, R. B.;Monaco, P.;Morgante, G.;Nadathur, S.;Nucita, A. A.;Popa, V.;Potter, D.;Pourtsidou, A.;Pöntinen, M.;Reimberg, P.;Sánchez, A. G.;Sakr, Z.;Schneider, A.;Sefusatti, E.;Sereno, M.;Shulevski, A.;Spurio Mancini, A.;Steinwagner, J.;Teyssier, R.;Valiviita, J.;Veropalumbo, A.;Viel, M.;Zinchenko, I. A.
2023
Abstract
Recent cosmic shear studies have shown that higher-order statistics (HOS) developed by independent teams now outperform standard two-point estimators in terms of statistical precision thanks to their sensitivity to the non-Gaussian features of large-scale structure. The aim of the Higher-Order Weak Lensing Statistics (HOWLS) project is to assess, compare, and combine the constraining power of ten different HOS on a common set of Euclid-like mocks, derived from N-body simulations. In this first paper of the HOWLS series, we computed the nontomographic (Omega(m), sigma(8)) Fisher information for the one-point probability distribution function, peak counts, Minkowski functionals, Betti numbers, persistent homology Betti numbers and heatmap, and scattering transform coefficients, and we compare them to the shear and convergence two-point correlation functions in the absence of any systematic bias. We also include forecasts for three implementations of higher-order moments, but these cannot be robustly interpreted as the Gaussian likelihood assumption breaks down for these statistics. Taken individually, we find that each HOS outperforms the two-point statistics by a factor of around two in the precision of the forecasts with some variations across statistics and cosmological parameters. When combining all the HOS, this increases to a 4.5 times improvement, highlighting the immense potential of HOS for cosmic shear cosmological analyses with Euclid. The data used in this analysis are publicly released with the paper.
01 Pubblicazione su rivista::01a Articolo in rivista
Euclid preparation. XXVIII. Forecasts for ten different higher-order weak lensing statistics / Null, Null; Ajani, V.; Baldi, M.; Barthelemy, A.; Boyle, A.; Burger, P.; Cardone, V. F.; Cheng, S.; Codis, S.; Giocoli, C.; Harnois-Déraps, J.; Heydenreich, S.; Kansal, V.; Kilbinger, M.; Linke, L.; Llinares, C.; Martinet, N.; Parroni, C.; Peel, A.; Pires, S.; Porth, L.; Tereno, I.; Uhlemann, C.; Vicinanza, M.; Vinciguerra, S.; Aghanim, N.; Auricchio, N.; Bonino, D.; Branchini, E.; Brescia, M.; Brinchmann, J.; Camera, S.; Capobianco, V.; Carbone, C.; Carretero, J.; Castander, F. J.; Castellano, M.; Cavuoti, S.; Cimatti, A.; Cledassou, R.; Congedo, G.; Conselice, C. J.; Conversi, L.; Corcione, L.; Courbin, F.; Cropper, M.; Da Silva, A.; Degaudenzi, H.; Di Giorgio, A. M.; Dinis, J.; Douspis, M.; Dubath, F.; Dupac, X.; Farrens, S.; Ferriol, S.; Fosalba, P.; Frailis, M.; Franceschi, E.; Galeotta, S.; Garilli, B.; Gillis, B.; Grazian, A.; Grupp, F.; Hoekstra, H.; Holmes, W.; Hornstrup, A.; Hudelot, P.; Jahnke, K.; Jhabvala, M.; Kümmel, M.; Kitching, T.; Kunz, M.; Kurki-Suonio, H.; Lilje, P. B.; Lloro, I.; Maiorano, E.; Mansutti, O.; Marggraf, O.; Markovic, K.; Marulli, F.; Massey, R.; Mei, S.; Mellier, Y.; Meneghetti, M.; Moresco, M.; Moscardini, L.; Niemi, S. -M.; Nightingale, J.; Nutma, T.; Padilla, C.; Paltani, S.; Pedersen, K.; Pettorino, V.; Polenta, G.; Poncet, M.; Popa, L. A.; Raison, F.; Renzi, A.; Rhodes, J.; Riccio, G.; Romelli, E.; Roncarelli, M.; Rossetti, E.; Saglia, R.; Sapone, D.; Sartoris, B.; Schneider, P.; Schrabback, T.; Secroun, A.; Seidel, G.; Serrano, S.; Sirignano, C.; Stanco, L.; Starck, J. -L.; Tallada-Crespí, P.; Taylor, A. N.; Toledo-Moreo, R.; Torradeflot, F.; Tutusaus, I.; Valentijn, E. A.; Valenziano, L.; Vassallo, T.; Wang, Y.; Weller, J.; Zamorani, G.; Zoubian, J.; Andreon, S.; Bardelli, S.; Boucaud, A.; Bozzo, E.; Colodro-Conde, C.; Di Ferdinando, D.; Fabbian, G.; Farina, M.; Graciá-Carpio, J.; Keihänen, E.; Lindholm, V.; Maino, D.; Mauri, N.; Neissner, C.; Schirmer, M.; Scottez, V.; Zucca, E.; Akrami, Y.; Baccigalupi, C.; Balaguera-Antolínez, A.; Ballardini, M.; Bernardeau, F.; Biviano, A.; Blanchard, A.; Borgani, S.; Borlaff, A. S.; Burigana, C.; Cabanac, R.; Cappi, A.; Carvalho, C. S.; Casas, S.; Castignani, G.; Castro, T.; Chambers, K. C.; Cooray, A. R.; Coupon, J.; Courtois, H. M.; Davini, S.; de la Torre, S.; De Lucia, G.; Desprez, G.; Dole, H.; Escartin, J. A.; Escoffier, S.; Ferrero, I.; Finelli, F.; Ganga, K.; Garcia-Bellido, J.; George, K.; Giacomini, F.; Gozaliasl, G.; Hildebrandt, H.; Jimenez Muñoz, A.; Joachimi, B.; Kajava, J. J. E.; Kirkpatrick, C. C.; Legrand, L.; Loureiro, A.; Magliocchetti, M.; Maoli, R.; Marcin, S.; Martinelli, M.; Martins, C. J. A. P.; Matthew, S.; Maurin, L.; Metcalf, R. B.; Monaco, P.; Morgante, G.; Nadathur, S.; Nucita, A. A.; Popa, V.; Potter, D.; Pourtsidou, A.; Pöntinen, M.; Reimberg, P.; Sánchez, A. G.; Sakr, Z.; Schneider, A.; Sefusatti, E.; Sereno, M.; Shulevski, A.; Spurio Mancini, A.; Steinwagner, J.; Teyssier, R.; Valiviita, J.; Veropalumbo, A.; Viel, M.; Zinchenko, I. A.. - In: ASTRONOMY & ASTROPHYSICS. - ISSN 0004-6361. - 675:(2023). [10.1051/0004-6361/202346017]
File allegati a questo prodotto
Non ci sono file associati a questo prodotto.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11573/1721667
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
16
11
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.