LENSING MAGNIFICATION: A NOVEL METHOD TO WEIGH HIGH-REDSHIFT CLUSTERS AND ITS APPLICATION TO SpARCS
Notice bibliographique
Résumé
We introduce a novel method to measure the masses of galaxy clusters at high redshift selected from optical and IR Spitzer data via the red-sequence technique. Lyman-break galaxies are used as a well-understood, high-redshift background sample allowing mass measurements of lenses at unprecedented high redshifts using weak lensing magnification. By stacking a significant number of clusters at different redshifts with average masses of ∼(1–3) × 10 14 M ☉ , as estimated from their richness, we can calibrate the normalization of the mass–richness relation. With the current data set (area: 6 deg 2 ) we detect a magnification signal at the >3σ level. There is good agreement between the masses estimated from the richness of the clusters and the average masses estimated from magnification, albeit with large uncertainties. We perform tests that suggest the absence of strong systematic effects and support the robustness of the measurement. This method—when applied to larger data sets in the future—will yield an accurate calibration of the mass–observable relations at z ≳ 1 which will represent an invaluable input for cosmological studies using the galaxy cluster mass function and astrophysical studies of cluster formation. Furthermore, this method will probably be the least expensive way to measure masses of large numbers of z > 1 clusters detected in future IR-imaging surveys.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».