← Expérience

Cadre de gravitation moyenne de la Théorie des filaments d’énergie (Energy Filament Theory, EFT), comparé à une référence minimale NFW pour la matière noire froide (DM)

Auteur : Guanglin Tu
Courriel : riniky@energyfilament.org | ORCID : 0009-0003-7659-6138
Affiliation : Groupe de travail EFT, Shenzhen Energy Filament Science Research Co., Ltd. (Chine)
Version : v1.1 | Date : 2026-02-14

Prépublication (non évaluée par les pairs) | Cette version est destinée à la diffusion publique et à la reproductibilité ; elle ne représente pas une version définitive publiée par une revue.

Licence : rapport (CC BY-NC-ND 4.0) ; dossier complet de reproduction (CC BY 4.0).

Rapport de niveau publication (Concept DOI) : https://doi.org/10.5281/zenodo.18526334
Package complet de reproduction (Concept DOI) : https://doi.org/10.5281/zenodo.18526286

0 Résumé exécutif (Executive Summary)

Ce rapport est une version complète archivée sur Zenodo (édition d’archive). Il fournit une chaîne auditable intégrée allant des données, du registre des modèles, de la comparaison équitable et du test de fermeture jusqu’aux ressources de reproduction. L’annexe B (P1A), consacrée à la robustesse, regroupe un test de résistance fondé sur une référence DM plus standard et sur une systématique critique du lentillage, afin d’évaluer la sensibilité des conclusions principales à une modélisation DM et à un traitement des systématiques de lentillage plus réalistes.

Conclusions principales (quatre phrases directement citables ; voir la section 2.4) :

(1) Dans l’ajustement des courbes de rotation (RC), les variantes EFT surpassent nettement DM_RAZOR pour toutes les combinaisons de noyaux et de priors ; l’amélioration typique est Δlog𝓛_RC ≈ 10^3 (voir le tableau S1a).
(2) Dans le test de fermeture RC→GGL, EFT présente une transférabilité plus forte entre sondes : l’intensité de fermeture Δlog𝓛_closure (True−Perm) est nettement supérieure à celle de DM_RAZOR, et l’écart reste robuste face aux balayages de shrinkage de covariance, R_min et σ_int (voir la figure S3 et le tableau S1b).
(3) Dans l’ajustement conjoint (RC+GGL), EFT conserve un avantage stable ; cet avantage s’effondre dans le contrôle négatif qui détruit la cartographie partagée, ce qui soutient l’idée que l’« effet gravitationnel moyen » provient de la cartographie partagée et non d’un ajustement fortuit (voir la figure S4).
(4) L’annexe B (P1A) soumet le côté DM à un test de résistance avec des modules de référence DM plus standards et un paramètre de nuisance clé lié au lentillage, sans accroître fortement la dimension du modèle ; ces améliorations n’éliminent pas l’avantage de fermeture d’EFT (voir le tableau B1 et la figure B1).

Disponibilité des données et du code : rapport Concept DOI 10.5281/zenodo.18526334 ; dossier complet de reproduction Concept DOI 10.5281/zenodo.18526286. Pour l’annexe B (P1A), les tags correspondants sont run_tag=20260213_151233, closure_tag=20260213_161731 et joint_tag=20260213_195428.

1 Résumé

Nous comparons quantitativement deux cadres théoriques sous les mêmes données et le même protocole statistique reproductible : le modèle de « correction gravitationnelle moyenne » proposé par la Théorie des filaments d’énergie (Energy Filament Theory, EFT ; à distinguer du sens usuel de l’abréviation Effective Field Theory) et le modèle de référence à halos NFW de matière noire froide (DM_RAZOR). DM_RAZOR est volontairement choisi comme « référence DM minimale » : halo NFW + relation c–M fixée, sans halo-to-halo scatter, afin de fournir un contrôle auditable et reproductible. Il faut également souligner que cet article traite EFT comme une paramétrisation phénoménologique, de type MOND, d’un Champ effectif ou d’une réponse effective, testée dans un protocole statistique unifié, et non comme une dérivation ici complète de ses premiers principes microscopiques.

Les données comprennent : 2295 points de vitesse issus des courbes de rotation (RC) SPARC, après prétraitement unifié et binning (104 galaxies, 20 RC-bin), ainsi que la densité de surface équivalente ΔΣ(R) du lentillage gravitationnel faible galaxie-galaxie (GGL) KiDS-1000 (4 bins de masse stellaire × 15 points R par bin, soit 60 points, avec covariance complète).

Nous exécutons successivement une inférence RC-only, un test de fermeture RC→GGL (closure), une inférence GGL-only et une inférence conjointe RC+GGL ; un audit de cohérence garantit que toutes les valeurs citées sont traçables. Sous un registre de paramètres strict et des contraintes de cartographie partagée (DM : 20 log M200_bin ; EFT : 20 log V0_bin + 1 log ℓ global), la famille EFT est nettement supérieure à DM_RAZOR en ajustement conjoint : ΔlogL_total = 1155–1337 par rapport à DM_RAZOR. Plus important encore, le test de fermeture montre que le postérieur RC possède un pouvoir prédictif non trivial sur GGL : l’intensité de fermeture d’EFT, ΔlogL_closure = 172–281, dépasse la valeur 127 de DM_RAZOR ; lorsque les groupes RC-bin→GGL-bin sont mélangés aléatoirement, le signal de fermeture s’effondre à 6–23, ce qui confirme qu’il ne s’agit ni d’un hasard statistique ni d’un biais d’implémentation. Dans les balayages systématiques de σ_int, R_min et du shrinkage de covariance, l’avantage relatif d’EFT reste positif et stable en ordre de grandeur. Pour répondre à l’objection courante selon laquelle la référence DM serait trop faible ou que des systématiques seraient prises pour de la physique, nous proposons en annexe B (P1A) une référence DM plus standard, encore faiblement dimensionnelle et auditable, incluant un scatter c–M hiérarchique + prior, un proxy de core à un paramètre, un m de lentillage et le modèle combiné DM_STD ; sous le même protocole de fermeture, ces renforcements n’éliminent pas l’avantage de fermeture d’EFT (voir tableau B1/figure B1).

Mots-clés : courbes de rotation ; lentillage gravitationnel faible galaxie-galaxie ; test de fermeture ; EFT ; matière noire froide ; inférence bayésienne

2 Introduction et aperçu des résultats

Les courbes de rotation (RC) et le lentillage gravitationnel faible galaxie-galaxie (GGL) sont deux sondes gravitationnelles complémentaires : les RC contraignent le potentiel dynamique dans le plan du disque et la relation d’accélération radiale (RAR), tandis que le GGL mesure la distribution de masse projetée et la réponse gravitationnelle à l’échelle des halos. Pour toute théorie candidate, l’enjeu n’est pas de réussir deux ajustements séparés, mais de produire une explication cohérente sous une même cartographie inter-données et les mêmes contraintes partagées.

C’est pourquoi cet article place le « test de fermeture » (closure test) au centre du protocole statistique : le postérieur RC-only est d’abord utilisé pour prédire GGL vers l’avant ; il est ensuite comparé à un contrôle négatif où la cartographie RC-bin→GGL-bin est permutée (permutation / shuffle), afin d’évaluer le pouvoir de transfert prédictif (predictive transferability) et d’exclure les faux signaux dus à un biais d’implémentation ou à un ajustement fortuit.

Positionnement théorique et portée : cet article ne cherche pas à donner ici une dérivation microscopique de premiers principes d’EFT (Théorie des filaments d’énergie), ni une forme relativiste complète. Nous traitons au contraire EFT comme une paramétrisation de champ effectif ou de réponse effective, de faible dimension et de type MOND, décrite par une fonction noyau f(x) et une échelle globale ℓ. Sous un registre de paramètres strict, le test de fermeture RC→GGL sert à mesurer sa cohérence entre jeux de données et sa capacité de transfert prédictif.

Plan de recherche et déclaration de portée : cet article s’inscrit dans un programme continu d’extraction observationnelle de série P. À l’échelle galactique disponible, nous recherchons deux contributions de fond effectives possibles : (i) un « socle gravitationnel moyen » (mean gravity floor), descriptible comme une réponse gravitationnelle moyenne après coarse-graining, et (ii) un « socle de bruit » (stochastic/noise floor) associé aux fluctuations de processus microscopiques. Dans cet article (P1), nous ne traitons que le premier : sans introduire d’hypothèse sur le mécanisme microscopique de production, nous utilisons le test de fermeture RC→GGL pour chercher les signatures observationnelles d’un socle gravitationnel moyen et le comparer, dans un protocole de contrôle unifié, à une référence DM auditable. À titre d’image physique heuristique, si des degrés de liberté de courte durée existent, leur désintégration ou annihilation peut convertir une masse au repos en énergie-impulsion portée par d’autres degrés de liberté ; au niveau effectif, cela correspond naturellement à une décomposition en contribution moyenne et contribution fluctuante. Cet article ne modélise cependant pas quantitativement cette image microscopique.

Pour éviter toute surinterprétation, les limites de portée sont les suivantes :
• Ce que fait l’article : il mesure, sous un registre de paramètres strict et une cartographie partagée, le pouvoir de transfert prédictif par test de fermeture, et compare de façon reproductible la réponse gravitationnelle moyenne d’EFT à une référence DM.
• Ce que l’article ne fait pas : il ne discute aucun mécanisme microscopique de production, aucune abondance, durée de vie ni contrainte cosmologique ; il ne modélise pas le terme aléatoire correspondant au « socle de bruit ».
• Ce que l’article ne revendique pas : il ne vise pas à renverser la matière noire ; P1 ne rend pas de verdict final sur l’existence du socle, mais rapporte un indice de stade intermédiaire : dans le domaine de mesure robuste choisi ici, les données favorisent un modèle incluant une réponse gravitationnelle moyenne.

Nous précisons aussi que DM_RAZOR ne représente qu’une référence NFW minimale et auditable (relation c–M fixée, sans scatter ; sans Adiabatic Contraction, core de feedback, non-sphéricité ni terme d’environnement). La conclusion principale du texte est donc strictement limitée : sous cette référence minimale et sous les contraintes strictes de registre des paramètres et de cartographie, la cohérence inter-données d’EFT est plus forte. Pour répondre à la question courante de savoir si une référence ΛCDM plus standard et la modélisation de systématiques critiques du lentillage modifieraient sensiblement le résultat, nous regroupons en annexe B (P1A : test de résistance standardisé de la référence DM) des renforcements DM et un paramètre de nuisance côté lentillage, plus standards mais toujours de faible dimension et auditables, en conservant exactement la même cartographie partagée et le même protocole de fermeture que dans le texte principal (voir tableau B1/figure B1).

2.1 Tab S1a–S1b : résumé des indicateurs clés (Strict)

Le tableau S1a présente les principaux indicateurs de comparaison pour l’ajustement conjoint (RC+GGL) : logL, ΔlogL, AICc et BIC. Le tableau S1b présente les indicateurs du test de fermeture et des balayages de robustesse : closure, contrôle négatif shuffle, plages des balayages σ_int / R_min / cov-shrink. Toutes les valeurs proviennent du tableau strict récapitulatif Tab_Z1_master_summary et sont traçables point par point dans l’archive de publication.

Tableau S1a | Principaux indicateurs de comparaison conjointe (RC+GGL, Strict).

Tableau S1b | Indicateurs de fermeture et de robustesse (Strict).

2.2 Fig. S3 : intensité de fermeture (RC-only → prédiction GGL)

L’intensité de fermeture est définie par ΔlogL_closure ≡ ⟨logL_true⟩ − ⟨logL_perm⟩ : sur les échantillons postérieurs RC-only, GGL est prédit vers l’avant puis comparé au contrôle négatif qui permute la cartographie RC-bin→GGL-bin.

Figure S3 | Intensité de fermeture (plus grand = meilleur) : avantage moyen en log-vraisemblance pour la prédiction RC-only → GGL.

2.3 Fig. S4 : comparaison principale de l’ajustement conjoint (RC+GGL)

L’avantage d’ajustement conjoint est défini par ΔlogL_total ≡ logL_total(model) − logL_total(DM_RAZOR). À données, cartographie et taille de paramètres presque identiques, la famille EFT obtient une log-vraisemblance conjointe nettement supérieure.

Figure S4 | Avantage d’ajustement conjoint (plus grand = meilleur) : best logL_total de RC+GGL par rapport à DM_RAZOR.

2.4 Quatre conclusions (directement citables)

(1) Dans l’analyse conjointe unifiée des courbes de rotation SPARC et du lentillage gravitationnel faible KiDS-1000, le modèle de cadre gravitationnel moyen d’EFT surpasse systématiquement DM_RAZOR sous le protocole de contrôle strict : ΔlogL_total = 1155–1337 par rapport à DM_RAZOR.

(2) Le test de fermeture RC→GGL montre une cohérence prédictive plus forte d’EFT : ΔlogL_closure = 172–281, contre 127 pour DM_RAZOR ; lorsque les groupes RC-bin→GGL-bin sont mélangés aléatoirement, le signal de fermeture s’effondre à 6–23, ce qui indique que le signal dépend de la bonne cartographie inter-données et non d’un ajustement fortuit.

(3) Les balayages systématiques de σ_int, R_min et du shrinkage de covariance ne changent ni le signe ni l’ordre de grandeur de l’avantage « EFT > DM_RAZOR », ce qui montre la robustesse de cette conclusion face aux perturbations systématiques courantes.

(4) L’annexe B (P1A) renforce la référence DM sous le même protocole de fermeture, de manière « standardisée et auditable » : elle conserve trois renforcements à un paramètre (SCAT/AC/FB), ajoute un scatter c–M hiérarchique + prior, un proxy de core à un paramètre et un étalonnage du cisaillement de lentillage m (ainsi que leur combinaison DM_STD). Le résultat montre que seule la branche feedback/core améliore légèrement l’intensité de fermeture (122.21→129.45, ΔΔlogL_closure≈+7.25), tandis que les autres renforcements n’apportent pas de contribution significative ou ont un effet négatif. La conclusion principale ne dépend donc pas d’une faiblesse excessive de DM_RAZOR.

3 Données et prétraitement

Cette étude utilise deux jeux de données publics. Les téléchargements, vérifications sha256 et prétraitements sont exécutés par des scripts traçables dans le pipeline. Afin de garantir une comparaison équitable entre modèles, tous les workspaces (EFT_BIN / EFT_WEXP / EFT_WYUK / EFT_WPOW / DM_RAZOR) partagent exactement les mêmes produits de données et la même cartographie de bins.

3.1 Courbes de rotation (RC, SPARC)

Les données RC proviennent des fichiers Rotmod_LTG de la base SPARC (175 fichiers rotmod). Après prétraitement, l’échantillon retenu pour la modélisation comprend 104 galaxies, soit 2295 points (r, V_obs), répartis selon la masse stellaire et d’autres règles en 20 RC-bin. Chaque point contient le rayon r (kpc), la vitesse observée V_obs (km/s), l’erreur σ_obs et les composantes de vitesse gaz/disque/bulbe (V_gas, V_disk, V_bul).

3.2 Lentillage faible (GGL, KiDS-1000 / Brouwer+2021)

Les données GGL utilisent la densité de surface équivalente ΔΣ(R) fournie par Brouwer et al. (2021) pour la figure 3 de KiDS-1000 (4 bins de masse stellaire, 15 points R par bin), avec la covariance complète fournie. Dans le pipeline, la covariance long-form originale est reconstruite en matrices 15×15 pour chaque bin, puis l’audit Stage-B vérifie leurs dimensions et leur plausibilité numérique.

3.3 Cartographie RC-bin → GGL-bin et taille totale de l’échantillon

Les 4 bins de masse GGL sont reliés aux 20 RC-bin par une cartographie fixe : chaque GGL-bin correspond à 5 RC-bin, et les contributions des RC-bin sont moyennées avec un poids égal au nombre de galaxies. Cette cartographie reste identique pour tous les modèles ; elle constitue la contrainte centrale de comparaison équitable pour le test de fermeture et l’ajustement conjoint. La taille finale du jeu de données conjoint est n_total = 2355 (RC=2295, GGL=60).

4 Modèles et méthodes statistiques

4.1 Spécification mathématique minimale d’EFT et de DM (auditable/testable)

Cette section donne la spécification minimale qui correspond directement à l’implémentation.

(a) Modèle des courbes de rotation (RC)

Pour chaque point RC (r, V_obs, σ_obs), nous utilisons une superposition de composantes : V_mod²(r) = V_bar²(r) + V_extra²(r). Ici, V_bar²(r) = V_gas²(r) + Υ_d·V_disk²(r) + Υ_b·V_bul²(r). Dans les résultats principaux, nous adoptons Υ_d = Υ_b = 0.5, valeur cohérente avec la recommandation empirique SPARC et utile pour limiter les degrés de liberté non nécessaires.

(b) Correction gravitationnelle moyenne d’EFT (EFT)

Le terme additionnel d’EFT est paramétré sous forme de « carré de vitesse moyenne » : V_extra²(r) = V0_bin² · f(r/ℓ). V0_bin est le paramètre d’amplitude de chaque RC-bin (20 paramètres), ℓ est l’échelle globale (1 paramètre), et f(x) est la fonction noyau sans dimension. Les formes de noyau comparées ici, sans aucun degré de liberté continu supplémentaire, sont :

• none: f(x)=x/(1+x)
• exponential: f(x)=1−exp(−x)
• yukawa: f(x)=1−exp(−x)·(1+0.5x)
• powerlaw_tail: f(x)=1−(1+x)^(−1/2)
• (contrôle optionnel) gaussian: f(x)=erf(x/√2) (non inclus dans l’ensemble des conclusions principales)

Motivation physique (développée) : EFT interprète la réponse gravitationnelle additionnelle aux échelles galactiques comme une réponse effective obtenue par coarse-graining ou moyenne d’échelle de processus plus microscopiques agissant à échelle finie. Dans cet article, nous ne présupposons aucun mécanisme microscopique spécifique ; nous utilisons une paramétrisation minimale et auditable pour mener une comparaison contrôlée sous protocole statistique unifié.

Pour l’intuition, le terme additionnel peut s’écrire sous forme d’accélération : a_extra(r)=V_extra²(r)/r=(V0_bin²/r)·f(r/ℓ). Lorsque r≫ℓ, f→1 et V_extra→V0_bin, ce qui produit une contribution de vitesse additionnelle à peu près plate dans la région externe ; lorsque r≪ℓ et f(x)≈x, on peut introduire une échelle d’accélération caractéristique a0,bin≈V0_bin²/ℓ (à un facteur de noyau O(1) près), ce qui donne une intuition de transition interne-externe de type MOND.

La famille discrète de noyaux utilisée ici (none/exponential/yukawa/powerlaw_tail) peut être vue comme un proxy de faible dimension pour différentes pentes initiales, vitesses de transition et queues à longue portée — par exemple un écrantage de type Yukawa par rapport à une réponse à queue plus longue. Elle sert à tester la robustesse, non à épuiser l’espace des modèles. Pour le lentillage gravitationnel faible, nous construisons à partir de V_avg(r) une masse et une densité d’enveloppe équivalentes, puis projetons pour obtenir ΔΣ(R). Cette densité équivalente doit être comprise comme une description effective du potentiel de lentillage sous hypothèse de symétrie sphérique et de champ faible ; les détails complets sont reportés en annexe A.

Toutes les formes de noyau ci-dessus satisfont f(x)→1 lorsque x→∞, c’est-à-dire V_extra²→V0² à saturation. Pour x≪1, elles donnent une croissance linéaire ou sous-linéaire : par exemple exponential: f≈x ; yukawa: f≈0.5x ; powerlaw_tail: f≈0.5x. Les différentes formes de noyau entraînent donc des différences observables de pente initiale, de vitesse de transition et de queue externe, que l’ajustement conjoint RC+GGL et le test de fermeture peuvent distinguer.

La prédiction EFT de ΔΣ(R) en lentillage gravitationnel faible déduit de V_avg(r) une masse et une densité d’enveloppe, puis les projette : M_enc(r)=r·V_avg²(r)/G, ρ(r)=(1/4πr²)·dM_enc/dr, Σ(R)=2∫_R^∞ ρ(r)·r/√(r²−R²) dr, ΔΣ(R)=Σ̄(<R)−Σ(R). L’implémentation numérique utilise une grille logarithmique et un raffinement adaptatif en cas d’anomalie, afin d’assurer stabilité et reproductibilité.

(c) DM_RAZOR : base de halos NFW de matière noire froide

Nous rappelons que DM_RAZOR ne représente qu’une référence NFW minimale et auditable (relation c–M fixée, sans scatter ; sans Adiabatic Contraction, core de feedback, non-sphéricité ni terme d’environnement). Pour réduire le risque d’une « strawman base de référence », l’article ne prétend pas que ces effets n’existent pas ; il les intègre au contraire en annexe B (P1A) sous forme de tests de résistance faiblement dimensionnels et auditables, incluant un traitement hiérarchique du scatter c–M, un proxy de core et un paramètre de nuisance d’étalonnage du cisaillement côté lentillage.

4.2 Registre des modèles et comparaison équitable (paramètres partagés = définition de la fermeture)

Le nombre de paramètres dans l’ensemble principal de comparaison est : DM_RAZOR k=20 ; famille EFT k=21, le paramètre supplémentaire étant le log ℓ global. Tous les modèles partagent les mêmes données RC, les mêmes données GGL et leur covariance, la même cartographie RC-bin→GGL-bin, les mêmes termes baryoniques et les mêmes conversions d’unités. En outre, la forme de noyau (none / exponential / yukawa / powerlaw_tail) est un choix discret qui n’introduit pas de paramètre continu supplémentaire ; l’avantage ne peut donc pas provenir d’un degré de liberté continu de plus.

4.3 Vraisemblance, priors et échantillonneur

La vraisemblance RC est une gaussienne diagonale : σ_eff² = σ_obs² + σ_int² ; le résultat principal fixe σ_int=5 km/s, et Run-5 balaie σ_int. La vraisemblance GGL utilise, bin par bin, une gaussienne à covariance complète : logL_GGL = Σ_b log 𝒩(ΔΣ_obs^b | ΔΣ_mod^b, C_b). L’objectif conjoint est logpost(θ)=logprior(θ)+logL_RC(θ)+logL_GGL(θ). Les priors expriment principalement des frontières de faisabilité physique, avec des contraintes d’intervalle sur log ℓ, log V0 et log M200 ; lorsque Υ et σ_int sont libres, des priors faiblement informatifs sont utilisés (voir les détails d’implémentation et la configuration du paquet de release).

L’échantillonneur est une marche aléatoire Metropolis adaptative par blocs : à chaque étape, seul un sous-bloc aléatoire de l’espace des paramètres est mis à jour pour améliorer le taux d’acceptation en haute dimension ; la taille des pas est légèrement adaptée à partir du taux d’acceptation par fenêtre, avec une cible d’environ 0.25. Les résultats principaux utilisent le mode quick (n_steps=800 et réglages associés) et produisent, pour chaque workspace, des traces, résidus et graphes PPC destinés à l’audit humain et scripté.

4.4 Test de fermeture et contrôle négatif (définition)

Le test de fermeture (Run-2) vérifie, sans réajuster GGL, si le postérieur RC-only peut prédire GGL. Concrètement, les échantillons postérieurs RC-only génèrent vers l’avant les ΔΣ(R) des 4 GGL-bin ; logL_true est calculé avec la covariance complète. La cartographie groupée RC-bin→GGL-bin est ensuite permutée aléatoirement pour obtenir logL_perm. L’intensité de fermeture est définie par ΔlogL_closure≡⟨logL_true⟩−⟨logL_perm⟩. De plus, Run-10 regroupe aléatoirement les 20 RC-bin en 4×5 (shuffle) et recalcule la fermeture, afin de tester la dépendance du signal à la cartographie correcte.

5 Résultats principaux et interprétation

5.1 Résultat principal de l’ajustement conjoint (RC+GGL)

Le best logL_total de l’ajustement conjoint et l’avantage relatif ΔlogL_total par rapport à DM_RAZOR sont indiqués dans le tableau S1a et la figure S4. Dans l’ensemble principal de comparaison, EFT_BIN présente le plus grand avantage conjoint (ΔlogL_total=1337.210), et les autres formes de noyau EFT conservent elles aussi un avantage marqué (1154.827–1294.442). Les critères d’information (AICc/BIC) favorisent également nettement la famille EFT par rapport à DM_RAZOR, ce qui montre que l’avantage n’est pas un biais dû au nombre de paramètres.

Remarque : la contribution principale au ΔlogL_total≈1337 vient du terme RC (dans la décomposition joint, ΔlogL_RC≈1065, soit environ 80 %). On peut l’interpréter comme l’accumulation naturelle, sous vraisemblance gaussienne diagonale, d’une amélioration modérée de Δχ²≈0.90 par point sur N=2295 points RC, qui atteint alors l’ordre 10^3. En parallèle, GGL et le test de fermeture apportent des contraintes indépendantes entre jeux de données, et le classement reste stable sous les tests de résistance σ_int, R_min et cov-shrink (voir section 6 et tableau S1b).

5.2 Résultat du test de fermeture (RC-only → GGL)

La quantité clé du test de fermeture, ΔlogL_closure, est présentée dans le tableau S1b et la figure S3. L’intensité de fermeture de la famille EFT est comprise entre 171.977 et 280.513, au-dessus de la valeur 126.678 de DM_RAZOR. Cela signifie qu’en l’absence de tout degré de liberté inter-données additionnel, les échantillons postérieurs obtenus par EFT sur les données RC possèdent un pouvoir prédictif transférable plus fort sur les données GGL.

Le contrôle négatif soutient en outre la pertinence physique du signal de fermeture : lorsque les groupes RC-bin→GGL-bin sont mélangés aléatoirement, l’intensité de fermeture d’EFT descend à 6–15 selon le noyau, alors que l’intensité de fermeture de base est de 172–281. Cet « effondrement du signal » exclut une pseudo-supériorité due à l’implémentation numérique, à une erreur d’unités ou à un traitement incorrect de la covariance.

Figure R1 | Contrôle négatif : le signal de fermeture diminue nettement après shuffle des groupes (tracé à partir des indicateurs Tab_Z1).

5.3 Signification et limites des résultats

La conclusion de cette étude est la suivante : « dans ce jeu de données et sous ce protocole, la correction gravitationnelle moyenne d’EFT surpasse la référence DM_RAZOR testée ». Il faut souligner que le côté DM utilise seulement une référence NFW minimale et une relation c(M) fixée, sans core, non-sphéricité, terme d’environnement ni modèle plus complexe de connexion galaxie-halo. Cet article ne prétend donc pas exclure toutes les familles de modèles DM ; il fournit plutôt une base de contrôle reproductible, centrée sur le test de fermeture, pour évaluer si RC et GGL peuvent être expliqués de façon cohérente par un même ensemble de paramètres inter-données et par la même cartographie.

Pour répondre à cette question fréquente, nous avons mené un projet d’extension indépendant, P1A (voir annexe B). Sans modifier la cartographie partagée RC-bin→GGL-bin ni le cadre d’audit, il renforce la référence DM de manière « standardisée et auditable » : outre trois renforcements à un paramètre (SCAT/AC/FB), il ajoute (i) un scatter c–M hiérarchique + prior masse–concentration (DM_HIER_CMSCAT), (ii) un proxy de core baryonic-feedback à un paramètre (DM_CORE1P) et (iii) un paramètre de nuisance m d’étalonnage du cisaillement côté lentillage gravitationnel faible (DM_RAZOR_M), puis propose le modèle combiné DM_STD ; EFT_BIN est conservé comme référence de contrôle.

• DM_RAZOR_SCAT (c–M scatter) — introduit un paramètre de dispersion de concentration halo-to-halo, σ_logc, pour tester si la relation c(M) fixée sous-estime systématiquement la capacité explicative de DM ;
• DM_RAZOR_AC (Adiabatic Contraction) — utilise un unique paramètre α_AC pour interpoler continûment entre absence de contraction et contraction standard, afin de capter à coût minimal la tendance de contraction interne induite par les baryons ;
• DM_RAZOR_FB (Feedback / core) — utilise une échelle de core, par exemple log r_core, pour décrire l’effet de suppression de la coreisation interne sur les courbes de rotation, tout en conservant une approximation NFW à l’échelle du lentillage gravitationnel faible.

Le tableau de bord quantitatif de P1A est présenté en annexe B, tableau B1 / figure B1, et est généré automatiquement par Tab_S1_P1A_scoreboard. Sur l’indicateur de fermeture, DM_RAZOR_FB produit une petite amélioration nette (122.21→129.45, +7.25), tandis que les autres renforcements n’apportent pas de contribution significative ou ont un effet négatif. Du côté de l’ajustement conjoint, l’ajout d’un scatter c–M hiérarchique avec prior (DM_HIER_CMSCAT) ou du modèle combiné (DM_STD) améliore fortement joint logL, mais sans augmenter l’intensité de fermeture ; cela suggère que le gain principal vient de la flexibilité de l’ajustement conjoint plutôt que d’une meilleure transférabilité entre sondes. La conclusion centrale du texte doit donc se lire ainsi : sous cartographie strictement partagée et sous contrainte de test de fermeture, l’avantage de cohérence inter-données d’EFT ne provient pas d’un choix de base de référence DM trop faible. Le paquet P1A de l’annexe B (tables/figures supplémentaires et full_fit_runpack) sera ajouté comme fichier supplémentaire sous le même Zenodo Concept DOI que le full_fit_runpack de l’article : https://doi.org/10.5281/zenodo.18526286.

6 Robustesse et expériences de contrôle

6.1 Balayage de σ_int (Run-5)

Nous effectuons un balayage systématique de la dispersion intrinsèque RC, σ_int, puis répétons l’inférence conjointe pour chaque valeur de σ_int afin de calculer ΔlogL_total par rapport à DM_RAZOR. Les valeurs minimales et maximales de ΔlogL_total dans la plage balayée sont données au tableau S1b.

Figure R2 | Plage de ΔlogL_total sous balayage de σ_int (plus grand = meilleur).

6.2 Balayage de R_min (Run-6)

Pour tester l’impact des systématiques dans la région centrale — mouvements non circulaires, résolution ou modélisation baryonique insuffisante — nous appliquons aux RC une coupure de seuil R_min et répétons l’inférence conjointe. L’avantage de la famille EFT reste positif et stable en ordre de grandeur sous ce balayage de R_min.

Figure R3 | Plage de ΔlogL_total sous balayage de R_min (plus grand = meilleur).

6.3 Balayage cov-shrink (Run-7)

Pour tester l’incertitude de la covariance GGL, nous appliquons à la matrice de covariance de chaque bin de masse un shrinkage C_α=(1−α)C+α·diag(C), puis balayons α. Les résultats montrent que l’avantage de la famille EFT est peu sensible à ce traitement.

Figure R4 | Plage de ΔlogL_total sous balayage cov-shrink (plus grand = meilleur).

6.4 Échelle d’ablation (Run-8)

Nous réalisons une ablation imbriquée à l’intérieur d’EFT_BIN : du modèle minimal sans paramètre libre, à des versions ne conservant qu’un petit nombre de degrés de liberté, jusqu’au modèle complet à 20 amplitudes de bins + échelle globale. Les critères AICc/BIC montrent que l’EFT_BIN complet est nettement nécessaire pour expliquer les données.

Figure R5 | Échelle d’ablation d’EFT_BIN (AICc, plus petit = meilleur).

6.5 Prédiction par bin laissé de côté (Run-9)

Nous exécutons en outre un test leave-one-bin-out (LOO) : parmi les 4 bins de masse GGL, un bin est retiré à chaque fois ; l’inférence est refaite avec les autres bins et l’ensemble des RC, puis la log-vraisemblance de test est évaluée sur le bin laissé de côté. Les indicateurs récapitulatifs figurent dans la table supplémentaire Tab_R3_leave_one_bin_out (produit Run-9 ; le motif de chemin de fichier est donné dans la liste des produits clés de la section 8.2). Même dans le pire cas de bin laissé de côté, la famille EFT reste nettement supérieure à DM_RAZOR.

Figure R6 | LOO : distribution des log-vraisemblances sur le bin laissé de côté (produit Run-9).

6.6 Contrôle négatif : shuffle des RC-bin (Run-10)

Run-10 regroupe aléatoirement les 20 RC-bin en 4×5 et recalcule la fermeture en gardant inchangé le postérieur RC-only. Le résultat montre qu’en comparaison avec la cartographie originale, le shuffle réduit nettement le mean logL_true et ΔlogL_closure de fermeture (voir tableau S1b et figure R1), ce qui renforce encore l’interprétabilité du signal de fermeture.

Figure R7 | Contrôle négatif : la cartographie shuffle fait baisser nettement le mean logL_true de fermeture (produit Run-10).

7 Traçabilité et audit de cohérence (Provenance)

Toutes les valeurs citées dans cet article sont traçables point par point dans les tableaux stricts de synthèse et les journaux d’audit archivés pour publication. Afin de rendre la lecture du texte plus fluide, la chaîne complète de provenance — listes de tags, tables d’audit, inventaire des checksums et méthode de vérification — est reportée en annexe A.

8 Reproductibilité et archive Zenodo (Reproducibility & Archive)

Déclaration de disponibilité des données et du code : les courbes de rotation SPARC et les données de lentillage gravitationnel faible KiDS-1000 utilisées ici sont des données publiques. Le rapport de niveau publication est archivé sur Zenodo (Concept DOI : https://doi.org/10.5281/zenodo.18526334), et le dossier complet de reproduction est archivé sur Zenodo (Concept DOI : https://doi.org/10.5281/zenodo.18526286). Les étapes d’exécution détaillées, l’environnement de dépendances, l’inventaire d’archive et les informations de contrôle par hash sont fournis en annexe A ; la conception, les étiquettes d’exécution et les produits du test de résistance standardisé de la référence DM (P1A) sont fournis en annexe B.

Sous le même full_fit_runpack Concept DOI (https://doi.org/10.5281/zenodo.18526286), nous fournissons deux entrées reproductibles selon l’usage :
• P1 (texte principal) full_fit_runpack : reproduit RC-only / closure / joint et les balayages de robustesse d’EFT vs DM_RAZOR, puis génère les actifs du texte principal, notamment les tableaux S1a/S1b et les figures S3/S4 ;
• P1A (annexe B) full_fit_runpack : reproduit le test de résistance standardisé de la référence DM (SCAT/AC/FB + scatter c–M hiérarchique prior + core1p + m de lentillage + DM_STD, avec EFT_BIN comme contrôle) et génère le tableau B1 et la figure B1 de l’annexe.
Les tableaux/figures supplémentaires et le full_fit_runpack de P1A seront intégrés comme fichiers additionnels sous le même Concept DOI, afin de conserver un point d’archive unique.

9 Remerciements et déclarations

9.1 Remerciements

Nous remercions les équipes SPARC et KiDS-1000 pour les données et la documentation publiques, ainsi que les participants au processus de reconstruction et d’audit de ce projet.

9.2 Contributions de l’auteur

Guanglin Tu a assuré la conception de l’étude, la formulation du projet, la mise en œuvre technique, l’organisation des données, l’analyse formelle, la réalisation du flux de reproduction et de l’audit, ainsi que la rédaction de l’article.

9.3 Sources de financement

Financement personnel de l’auteur Guanglin Tu (aucun financement externe, aucun numéro de subvention).

9.4 Intérêts concurrents

Guanglin Tu est affilié au « Groupe de travail EFT, Shenzhen Energy Filament Science Research Co., Ltd. (Chine) » ; aucun autre intérêt concurrent n’est déclaré.

9.5 Assistance par IA

OpenAI GPT-5.2 Pro et Gemini 3 Pro ont été utilisés pour la révision linguistique, l’édition structurée et l’organisation du flux de reproduction ; ils n’ont pas été utilisés pour générer ou modifier les données, résultats, figures, tableaux ou code ; ils n’ont pas été utilisés pour générer les références. L’auteur assume l’entière responsabilité du contenu du texte et de l’exactitude des citations.

10 Références

• Lelli, F., McGaugh, S. S., & Schombert, J. M. (2016). SPARC: Mass Models for 175 Disk Galaxies with Spitzer Photometry and Accurate Rotation Curves. The Astronomical Journal, 152, 157. DOI: 10.3847/0004-6256/152/6/157.
• Brouwer, M. M., Oman, K. A., Valentijn, E. A., et al. (2021). The weak lensing radial acceleration relation: Constraining modified gravity and cold dark matter theories with KiDS-1000. Astronomy & Astrophysics, 650, A113. DOI: 10.1051/0004-6361/202040108.
• Wright, C. O., & Brainerd, T. G. (2000). Gravitational Lensing by Navarro–Frenk–White Halos. The Astrophysical Journal, 534, 34–40.
• Navarro, J. F., Frenk, C. S., & White, S. D. M. (1997). A Universal Density Profile from Hierarchical Clustering. Astrophysical Journal, 490, 493. DOI: https://doi.org/10.1086/304888
• Dutton, A. A., & Macciò, A. V. (2014). Cold dark matter haloes in the Planck era: evolution of structural parameters for NFW haloes. Monthly Notices of the Royal Astronomical Society, 441, 3359–3374. DOI: https://doi.org/10.1093/mnras/stu742
• Blumenthal, G. R., Faber, S. M., Flores, R., & Primack, J. R. (1986). Contraction of dark matter galactic halos due to baryonic infall. Astrophysical Journal, 301, 27. DOI: https://doi.org/10.1086/163867
• Di Cintio, A., Brook, C. B., Dutton, A. A., et al. (2014). A mass-dependent density profile for dark matter haloes including the influence of galaxy formation. Monthly Notices of the Royal Astronomical Society, 441, 2986–2995. DOI: https://doi.org/10.1093/mnras/stu729
• Read, J. I., Agertz, O., & Collins, M. L. M. (2016). Dark matter cores all the way down. Monthly Notices of the Royal Astronomical Society, 459, 2573–2590. DOI: https://doi.org/10.1093/mnras/stw713
• Théorie des filaments d’énergie. Zenodo (dépôt scientifique ouvert). DOI : https://doi.org/10.5281/zenodo.18517411

Annexe A : détails de traçabilité et de reproductibilité

Cette annexe rassemble les informations de traçabilité et de reproductibilité destinées à l’archivage de long terme — tags d’exécution, résultats d’audit, inventaire d’archive et points de vérification — afin que les lecteurs puissent vérifier et reproduire les résultats selon leurs besoins.

A.1 Détails de traçabilité et d’audit

Pour garantir une traçabilité de long terme, chaque exécution et chaque sortie du projet reçoivent un tag horodaté, et les produits historiques sont conservés sans être écrasés. Les valeurs centrales citées dans cet article proviennent du résumé strict (compile_tag=20260205_035929) et ont passé les audits de cohérence suivants :

• Toutes les tables intermédiaires portent un run_tag et un tag d’étape ; le script de résumé strict sélectionne, dans report/tables, les sources de tables canonical qui sont complètes et cohérentes.

• Les valeurs de Tab_Z1_master_summary et de Tab_Z2_conclusion_highlights sont comparées point par point aux tables canonical sélectionnées.

• Lors de la génération du PDF, un audit des tags des tableaux/figures cités vérifie qu’aucun ancien produit n’a été mélangé.

Tags clés (pour localiser tous les produits intermédiaires) : run_tag=20260204_122515 ; closure_tag=20260204_124721 ; joint_tag=20260204_152714 ; sigma_sweep_tag=20260204_161852 ; rmin_sweep_tag=20260204_195247 ; covshrink_tag=20260204_203219 ; ablation_tag=20260204_214642 ; LOO_tag=20260204_224827 ; negctrl_tag=20260204_234528 ; strict_compile_tag=20260205_035929 ; release_tag=20260205_112442.

Résultat de l’audit de cohérence : Tab_AUDIT_checks_strict indique pass=9, fail=0, skip=0 (voir le paquet de release pour les détails).

A.2 Étapes d’exécution reproductible et inventaire d’archive

Cette étude adopte un système de reproduction en trois éléments : rapport de niveau publication + supplément Tables & Figures + runpack complet réexécutable. Le lecteur peut consulter directement le supplément Tables & Figures pour vérifier tous les tableaux et figures cités ; s’il souhaite reproduire les valeurs et la chaîne d’audit depuis zéro, il peut utiliser le full_fit_runpack pour télécharger les données et relancer tout le flux, puis vérifier la cohérence des valeurs tabulaires à l’aide du script de comparaison avec les tables de référence inclus dans le paquet.

A.2.1 Quickstart de reproduction (RUN_FULL, Windows PowerShell)

Cette section donne une voie de reproduction plus courte sous Windows PowerShell. Pour une vérification rapide, il est conseillé de consulter directement le supplément Tables & Figures afin de comparer point par point les tableaux et figures cités. Pour une reproduction de bout en bout produisant toutes les tables, figures et sorties d’audit, utilisez le full_fit_runpack : exécutez verify_checksums.ps1 et RUN_FULL.ps1 selon le README/ONE_PAGE_REPRO_CHECKLIST du paquet (Mode=full recommandé).

Entrée d’archive Zenodo (Concept DOI) : https://doi.org/10.5281/zenodo.18526286.
Tags de la chaîne principale de l’article : run_tag=20260204_122515, strict compile_tag=20260205_035929, release_tag=20260205_112442.

A.2.2 Ressources archivées et points de vérification clés (Packages & checks)

L’archive Zenodo fournit trois catégories de ressources complémentaires : (1) le rapport de niveau publication (cet article, v1.1, avec l’annexe B : test de résistance standardisé de la référence DM P1A) ; (2) le supplément Tables & Figures (ressources complémentaires de tableaux et figures couvrant tous les actifs cités, séparément pour P1 et P1A) ; (3) le full_fit_runpack (dossier complet de reproduction, téléchargeant les données depuis zéro et relançant tout le flux, séparément pour P1 et P1A). Les éléments (1) et (2) permettent une lecture rapide et une vérification indépendante ; l’élément (3) fournit une capacité de reproduction intégrale de bout en bout.

Suggestion de citation : lorsque vous citez cet article ou les ressources de reproduction associés, veuillez indiquer le Zenodo Concept DOI (https://doi.org/10.5281/zenodo.18526334).

Les produits clés attendus et comparables après reproduction sont notamment :

• report/tables/Tab_D_closure_summary__20260204_122515__*.csv (résumé de fermeture)
• report/tables/Tab_F_joint_summary__20260204_122515__*.csv (résumé de l’ajustement conjoint)
• report/tables/Tab_G_joint_sigma_sweep__20260204_122515__*.csv (balayage σ_int)
• report/tables/Tab_H_joint_rmin_sweep__20260204_122515__*.csv (balayage R_min)
• report/tables/Tab_I_joint_covshrink_sweep__20260204_122515__*.csv (balayage cov-shrink)
• report/tables/Tab_R2_ablation_ladder__20260204_122515__*.csv (ablation)
• report/tables/Tab_R3_leave_one_bin_out__20260204_122515__*.csv (LOO)
• report/tables/Tab_R4_negctrl_rcbin_shuffle__20260204_122515__*.csv (contrôle négatif)
• report/final/Tab_Z1_master_summary__20260204_122515__20260205_035929.csv (table principale Strict ; correspond aux tableaux S1a/S1b et aux valeurs du texte)
• report/final/P1_RC_GGL_final_bundle__20260204_122515__20260205_035929.pdf (PDF récapitulatif de niveau publication ; utilisable pour une lecture et une citation rapides)

Annexe B : P1A — test de résistance standardisé de la référence DM (DM 7+1 + DM_STD ; avec contrôle EFT)

Cette annexe documente un projet d’extension P1A cohérent avec le protocole de fermeture du texte principal : un « test de résistance standardisé de la référence DM ». Son rôle est d’élever la référence DM_RAZOR minimale du texte (NFW + c–M fixée, sans scatter, sans contraction, sans core) vers un ensemble de références DM plus proche de la pratique astrophysique et plus résistant aux objections courantes, sans introduire beaucoup de degrés de liberté ni modifier la cartographie partagée RC-bin→GGL-bin ou le cadre d’audit. P1A couvre et généralise le précédent test de résistance à trois branches : SCAT/AC/FB sont conservés, et sont ajoutés un scatter c–M hiérarchique + prior, un proxy de core à un paramètre et un paramètre de nuisance m de calibration du cisaillement côté lentillage ; un modèle combiné DM_STD est également fourni, tandis qu’EFT_BIN est conservé comme référence de contrôle.

Note complémentaire : les valeurs de fermeture et autres indicateurs de l’annexe B (P1A) utilisent un budget Monte Carlo plus élevé, par exemple ndraw=400 et nperm=24, différent du budget quick utilisé dans le texte principal pour couvrir toute la famille de noyaux EFT, par exemple ndraw=60 et nperm=12. Les valeurs absolues peuvent donc présenter un drift d’échantillonnage d’ordre O(10), mais les comparaisons entre modèles dans le même tableau et sous le même budget sont équitables, et le signe ainsi que l’ordre de grandeur de l’avantage restent stables sous différents budgets.

B.1 Objectif et positionnement (Why P1A, and why as an Appendix)

P1A ne cherche pas à épuiser toutes les possibilités de modélisation des halos ΛCDM, comme la non-sphéricité, la dépendance à l’environnement, les connexions galaxie-halo complexes ou la baryon physics de haute dimension. Il adopte au contraire un principe de faible dimension, d’auditabilité et de reproductibilité : chaque module de renforcement n’introduit qu’au plus un paramètre effectif clé et continue à respecter les trois contraintes fortes de l’article :
(i) registre des paramètres : tout nouveau paramètre doit être explicitement comptabilisé et rapporté avec les critères d’information (AICc/BIC) ;
(ii) cartographie partagée : la même cartographie groupée RC-bin→GGL-bin reste utilisée, sans « ajuster la cartographie » pour un seul jeu de données ;
(iii) test de fermeture : tout renforcement doit montrer un gain réel en transfert prédictif RC→GGL, et non seulement une amélioration de l’ajustement RC-only.

B.2 DM 7+1 + DM_STD : définition des modules, paramètres et entrée dans le postérieur conjoint

P1A fournit, comme runpack indépendant, 8 workspaces DM (DM 7+1) et 1 contrôle EFT. À partir de DM_RAZOR, il construit trois renforcements legacy à un paramètre (DM_RAZOR_SCAT / DM_RAZOR_AC / DM_RAZOR_FB), ajoute trois modules défensifs plus standards (DM_HIER_CMSCAT / DM_CORE1P / DM_RAZOR_M), puis propose le modèle combiné DM_STD. Leur objectif commun est de couvrir, avec un accroissement dimensionnel minimal, les trois objections les plus fréquentes : (a) comment la dispersion et les priors de la relation c–M entrent dans un modèle hiérarchique ; (b) si l’effet principal du baryonic feedback peut être représenté par un proxy de core à un paramètre ; (c) si une systématique critique côté lentillage peut être prise à tort pour un signal physique.

Précision : les noms de paramètres suivent l’implémentation technique, par exemple σ_logc, α_AC, log r_core et m_shear. Le principe de P1A est de « renforcer un peu la référence DM tout en restant auditable », et non de transformer le côté DM en ajusteur de haute dimension incontrôlable. En particulier, DM_HIER_CMSCAT introduit le scatter c–M de façon hiérarchique : la concentration c_i de chaque halo reçoit une dispersion log-normale autour de c(M_i), contrainte par un σ_logc global et un prior c(M) ; cette structure hiérarchique affecte simultanément le postérieur conjoint RC et GGL.

B.3 Protocole statistique et logique des produits, identiques au texte principal

P1A réutilise tous les produits de données, la cartographie partagée et le cadre d’audit du texte principal. L’ordre d’exécution et la définition des produits restent identiques :
(1) Run‑1 : inférence RC-only (sorties posterior_samples.npz et metrics.json) ;
(2) Run‑2 : test de fermeture RC→GGL (sorties closure_summary.json et base de référence permutée) ;
(3) Run‑3 : ajustement conjoint RC+GGL (sortie joint_summary.json).
Tous les nombres cités proviennent de la table de synthèse automatique Tab_S1_P1A_scoreboard et peuvent être vérifiés après réexécution complète du P1A full_fit_runpack au moyen du script intégré de comparaison aux tables de référence.

B.4 Résultats principaux, accès aux tableaux/figures et plan d’archivage (même DOI)

Cette section résume les conclusions quantitatives de P1A. Le tableau B1 rassemble les indicateurs clés de RC-only, de la fermeture RC→GGL et de l’ajustement conjoint RC+GGL, avec entre parenthèses les écarts par rapport à la base de référence DM_RAZOR. L’intensité de fermeture est définie par ΔlogL_closure ≡ ⟨logL_true⟩ − ⟨logL_perm⟩ ; plus elle est grande, mieux c’est. La figure B1 visualise le même tableau de bord. Les points essentiels sont :
• parmi les trois branches legacy, seule DM_RAZOR_FB (feedback/core) apporte une petite amélioration nette de l’intensité de fermeture : 122.21→129.45 (+7.25) ; SCAT et AC n’apportent pas de gain net ;
• les nouveaux modules DM_HIER_CMSCAT et DM_RAZOR_M ont un effet très faible (~0) sur l’intensité de fermeture, et DM_CORE1P ne montre pas non plus de gain net significatif ;
• le modèle combiné DM_STD peut améliorer fortement joint logL, ce qui le rapproche de l’optimum de l’ajustement conjoint, mais l’intensité de fermeture diminue ; cela indique que son gain principal provient de la flexibilité de l’ajustement conjoint plutôt que de la transférabilité entre sondes ;
• EFT_BIN, comme contrôle, conserve un avantage net sur l’intensité de fermeture et l’ajustement conjoint ; la conclusion principale du texte reste donc robuste à l’introduction d’une référence DM plus forte et d’un nuisance de lentillage.

Pour faciliter la comparaison directe avec l’analyse principale, les tableaux S1a–S1b du texte résument le contrôle strict entre la famille EFT et DM_RAZOR : les modèles EFT améliorent l’ajustement conjoint par rapport à DM_RAZOR de ΔlogL_total≈1155–1337 et atteignent ΔlogL_closure=172–281 au test de fermeture. P1A ne fait que rendre le contrôle côté DM plus difficile ; son rôle est de réduire les objections de type « strawman base de référence » ou « systematics-as-physics », et non de remplacer la comparaison principale du texte.

Tableau B1 | Tableau de bord P1A (plus grand = meilleur ; les parenthèses indiquent l’écart par rapport à la base de référence DM_RAZOR).

Figure B1 | Tableau de bord P1A : ΔlogL de fermeture et d’ajustement conjoint par rapport à la base de référence (plus grand = meilleur).

L’ensemble d’étiquettes d’une exécution déjà terminée correspondant à cette annexe est le suivant, pour localiser les produits intermédiaires et les tableaux/figures de P1A :
P1A run_tag = 20260213_151233 ; P1A closure_tag = 20260213_161731 ; P1A joint_tag = 20260213_195428.

B.5 Mode de citation recommandé (Appendix citation note)

Lorsqu’un lecteur souhaite citer le « test de résistance standardisé de la référence DM » en plus de la conclusion principale, il est recommandé d’ajouter à la citation du résultat principal : « Voir l’annexe B (P1A) pour les tests de résistance standardisés de la référence DM (branches legacy SCAT/AC/FB + prior hiérarchique de scatter c–M + proxy core + nuisance de calibration du cisaillement de lentillage), sous le même protocole de fermeture. »