Photometric redshifts and clustering of emission line galaxies selected jointly by DES and eBOSS
Notice bibliographique
Résumé
We present the results of the first observations of the emission line galaxies (ELG) of the extended Baryon Oscillation Spectroscopic Survey. From the total 9000 targets, 4600 have been selected from the Dark Energy Survey (DES). In this subsample, the total success rate for redshifts between 0.6 and 1.2 is 71 and 68 per cent for a bright and a faint samples, respectively, including redshifts measured from a single strong emission line. The mean redshift is 0.80 for the bright and 0.87 for the faint sample, while the percentage of unknown redshifts is 15 and 13 per cent, respectively. In both cases, the star contamination is lower than 2 per cent. We evaluate how well the ELG redshifts are measured using the target selection photometry and validating with the spectroscopic redshifts measured by eBOSS. We explore different techniques to reduce the photometric redshift outliers fraction with a comparison between the template fitting, the neural networks and the random forest methods. Finally, we study the clustering properties of the DES SVA1 ELG samples. We select only the most secure spectroscopic redshift in the redshift range 0.6 < z < 1.2, leading to a mean redshift for the bright and faint sample of 0.85 and 0.90, respectively. We measure the projected angular correlation function and obtain a galaxy bias averaging on scales from 1 to 10 Mpc h−1 of 1.58 ± 0.10 for the bright sample and 1.65 ± 0.12 for the faint sample. These values are representative of a galaxy population with MB − log(h) < −20.5, in agreement with what we measure by fitting galaxy templates to the photometric data.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».