CLASH-VLT: A highly precise strong lensing model of the galaxy cluster RXC J2248.7−4431 (Abell S1063) and prospects for cosmography
Notice bibliographique
Résumé
Aims. We perform a comprehensive study of the total mass distribution of the galaxy cluster RXC J2248.7-4431 (z = 0.348) with a set of highprecision strong lensing models, which take advantage of extensive spectroscopic information on many multiply lensed systems. In the effort to understand and quantify inherent systematics in parametric strong lensing modelling, we explore a collection of 22 models in which we use different samples of multiple image families, different parametrizations of the mass distribution and cosmological parameters. Methods. As input information for the strong lensing models, we use the Cluster Lensing And Supernova survey with Hubble (CLASH) imaging data and spectroscopic follow-up observations, with the VIsible Multi-Object Spectrograph (VIMOS) and Multi Unit Spectroscopic Explorer (MUSE) on the Very Large Telescope (VLT), to identify and characterize bona fide multiple image families and measure their redshifts down to m F814W 26. A total of 16 background sources, over the redshift range 1.0-6.1, are multiply lensed into 47 images, 24 of which are spectroscopically confirmed and belong to ten individual sources. These also include a multiply lensed Lyman- blob at z = 3.118. The cluster total mass distribution and underlying cosmology in the models are optimized by matching the observed positions of the multiple images on the lens plane. Bayesian Markov chain Monte Carlo techniques are used to quantify errors and covariances of the best-fit parameters.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».