Evolution in the bias of faint radio sources to z ∼ 2.2
Notice bibliographique
Résumé
Quantifying how the baryonic matter traces the underlying dark matter distribution is key to both understanding galaxy formation and our ability to constrain the cosmological model. Using the cross-correlation function of radio and near-infrared galaxies, we present a large-scale clustering analysis of radio galaxies to z ∼ 2.2. We measure the angular auto-correlation function of Ks<23.5 galaxies in the VISTA Deep Extragalactic Observations (VIDEO-XMM3) field with photometric redshifts out to z = 4 using VIDEO and CFHTLS (Canada–France–Hawaii Telescope Legacy Survey) photometry in the near-infrared and optical. We then use the cross-correlation function of these sources with 766 radio sources at S1.4>90μJy to infer linear bias of radio galaxies in four redshift bins. We find that the bias evolves from b = 0.57 ± 0.06 at z ∼ 0.3 to 8.55 ± 3.11 at z ∼ 2.2. Furthermore, we separate the radio sources into subsamples to determine how the bias is dependent on the radio luminosity, and find a bias which is significantly higher than predicted by the simulations of Wilman et al., and consistent with the lower luminosity but more abundant FR-I population having a similar bias to the highly luminous but rare FR-IIs. Our results are suggestive of a higher mass, particularly for FR-I sources than assumed in simulations, especially towards higher redshift.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».