HerMES: CANDIDATE HIGH-REDSHIFT GALAXIES DISCOVERED WITH<i>HERSCHEL</i>/SPIRE,
Notice bibliographique
Résumé
We present a method for selecting $z>4$ dusty, star forming galaxies (DSFGs) using Herschel/SPIRE 250/350/500 $μm$ flux densities to search for red sources. We apply this method to 21 deg$^2$ of data from the HerMES survey to produce a catalog of 38 high-$z$ candidates. Follow-up of the first 5 of these sources confirms that this method is efficient at selecting high-$z$ DSFGs, with 4/5 at $z=4.3$ to $6.3$ (and the remaining source at $z=3.4$), and that they are some of the most luminous dusty sources known. Comparison with previous DSFG samples, mostly selected at longer wavelengths (e.g., 850 $μm$) and in single-band surveys, shows that our method is much more efficient at selecting high-$z$ DSFGs, in the sense that a much larger fraction are at $z>3$. Correcting for the selection completeness and purity, we find that the number of bright ($S_{500\,μm} \ge 30$ mJy), red Herschel sources is $3.3 \pm 0.8$ deg$^{-2}$. This is much higher than the number predicted by current models, suggesting that the DSFG population extends to higher redshifts than previously believed. If the shape of the luminosity function for high-$z$ DSFGs is similar to that at $z\sim2$, rest-frame UV based studies may be missing a significant component of the star formation density at $z=4$ to $6$, even after correction for extinction.
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 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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».