A New Method For Galaxy Cluster Detection. I. The Algorithm
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 that 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 a real photometric sample with redshift data, and from this we 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 s -1 , 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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,011 |
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 ».