Photometric selection of Type Ia supernovae in the Supernova Legacy Survey
Notice bibliographique
Résumé
We present a sample of 485 photometrically identified Type Ia supernova candidates mined from the first three years of data of the CFHT SuperNova Legacy Survey (SNLS). The images were submitted to a deferred processing independent of the SNLS real-time detection pipeline. Light curves of all transient events were reconstructed in the gM, rM, iM and zM filters and submitted to automated sequential cuts in order to identify possible supernovae. Pure noise and long-term variable events were rejected by light curve shape criteria. Type Ia supernova identification relied on event characteristics fitted to their light curves assuming the events to be normal SNe Ia. The light curve fitter SALT2 was used for this purpose, assigning host galaxy photometric redshifts to the tested events. The selected sample of 485 candidates is one magnitude deeper than that allowed by the SNLS spectroscopic identification. The contamination by supernovae of other types is estimated to be 4%. Testing Hubble diagram residuals with this enlarged sample allows us to measure the Malmquist bias due to spectroscopic selections directly. The result is fully consistent with the precise Monte Carlo based estimate used to correct SN Ia distance moduli in the SNLS 3-year cosmological analyses. This paper demonstrates the feasibility of a photometric selection of high redshift supernovae with known host galaxy redshifts, opening interesting prospects for cosmological analyses from future large photometric SN Ia 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,000 |
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 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 ».