A New Method For Galaxy Cluster Detection. I. The Algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Numerous methods for finding clusters at moderate to high redshifts have been proposed in recent years, at wavelengths ranging from radio to X-rays. In this paper we describe a new method for detecting clusters in two-band optical/near-IR imaging data. The method relies upon the observation that all rich clusters, at all redshifts observed so far, appear to have a red sequence of early-type galaxies. The emerging picture is that all rich clusters contain a core population of passively evolving elliptical galaxies which are coeval and formed at high redshifts. The proposed search method exploits this strong empirical fact by using the red sequence as a direct indicator of overdensity. The fundamental advantage of this approach is that with appropriate filters, cluster elliptical galaxies at a given redshift are redder than all normal galaxies at lower redshifts. A simple color cut thus virtually eliminates all foreground contamination, even at significant redshifts. In this paper, one of a series of two, we describe the underlying assumptions and basic techniques of the method in detail, and contrast the method with those used by other authors. We provide a brief demonstration of the effectiveness of the technique using real redshift data, and from this conclude that the method offers a powerful yet simple way of identify galaxy clusters. We find that the method can reliably detect structures to masses as small as groups with velocity dispersions of only ~300 km/sec, with redshifts for all detected structures estimated to an accuracy of ~10%.
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.
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 | 0,001 | 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) | 0,003 | 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 découle