EasyCritics – I. Efficient detection of strongly lensing galaxy groups and clusters in wide-field surveys
Notice bibliographique
Résumé
We present EasyCritics, an algorithm to detect strongly lensing groups and clusters in wide-field surveys without relying on a direct recognition of arcs. EasyCritics assumes that light traces mass in order to predict the most likely locations of critical curves from the observed fluxes of luminous red early-type galaxies in the line of sight. The positions, redshifts, and fluxes of these galaxies constrain the idealized gravitational lensing potential as a function of source redshift up to five free parameters, which are calibrated on few known lenses. From the lensing potential, EasyCritics derives the critical curves for a given, representative source redshift. The code is highly parallelized, uses fast Fourier methods and, optionally, GPU acceleration in order to process large data sets efficiently. The search of a |$\smash{1 \, \mathrm{deg}^2}$| field of view requires less than 1 min on a modern quad-core CPU, when using a pixel resolution of 0.25 arcsec px−1. In this first part of a paper series on EasyCritics, we describe the main underlying concepts and present a first demonstration on data from the Canada–France–Hawaii-Telescope Lensing Survey. We show that EasyCritics is able to identify known group- and cluster-scale lenses, including a cluster with two giant arc candidates that were previously missed by automated arc detectors.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 ».