Determining the Lensing Fraction of SDSS Quasars: Methods and Results from the Early Data Release
Notice bibliographique
Résumé
We present an algorithm for selecting gravitational lens candidates from amongst Sloan Digital Sky Survey (SDSS) quasars. In median Early Data Release (EDR) conditions, the algorithm allows for the recovery of pairs of equal flux point sources down to separations of $\sim 0{\farcs}7$ or with flux ratios up to $\sim$ 10:1 at a separation of $1\farcs5$. The algorithm also recovers a wide variety of plausible quad geometries. We also present a method for determining the selection function of this algorithm through the use of simulated SDSS images and introduce a method for calibrating our simulated images through truth-testing with real SDSS data. Finally, we apply our algorithm and selection function to SDSS quasars from the EDR to get an upper bound on the lensing fraction. We find 13 candidates among 5120 z $>$ 0.6 SDSS quasars, implying an observed lensing fraction of not more than 4 $\times 10^{-3}$. There is one likely lens system in our final sample, implying an observed lensing fraction of not less than $3 \times 10^{-5}$ (95% confidence levels).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».