DEEP NEAR-IR OBSERVATIONS OF THE GLOBULAR CLUSTER M4: HUNTING FOR BROWN DWARFS
Notice bibliographique
Résumé
ABSTRACT We present an analysis of deep Hubble Space Telescope ( HST )/Wide Field Camera 3 near-IR (NIR) imaging data of the globular cluster (GC) M4. The best-photometry NIR color–magnitude diagram (CMD) clearly shows the main sequence extending toward the expected end of the hydrogen-burning limit and going beyond this point toward fainter sources. The white dwarf (WD) sequence can be identified. As such, this is the deepest NIR CMD of a GC to date. Archival HST optical data were used for proper-motion cleaning of the CMD and for distinguishing the WDs from brown dwarf (BD) candidates. Detection limits in the NIR are around F 110 W ≈ 26.5 mag and F 160 W ≈ 27 mag, and in the optical around F 775 W ≈ 28 mag. Comparing our observed CMDs with theoretical models, we conclude that we have reached beyond the H-burning limit in our NIR CMD and are probably just above or around this limit in our optical–NIR CMDs. Thus, any faint NIR sources that have no optical counterpart are potential BD candidates, since the optical data are not deep enough to detect them. We visually inspected the positions of NIR sources that are fainter than the H-burning limit in F 110 W and for which the optical photometry did not return a counterpart. We found in total five sources for which we did not get an optical measurement. For four of these five sources, a faint optical counterpart could be visually identified, and an upper optical magnitude was estimated. Based on these upper optical magnitude limits, we conclude that one source is likely a WD, one source could be either a WD or BD candidate, and the remaining two sources agree with being BD candidates. No optical counterpart could be detected for just one source, which makes this source a good BD candidate. We conclude that we found in total four good BD candidates.
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 | 0,000 |
| 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 | 0,001 | 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) | 0,001 | 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 ».