XMMPZCAT: A catalogue of photometric redshifts for X-ray sources
Notice bibliographique
Résumé
Aims. The third version of the XMM-Newton serendipitous catalogue (3XMM), containing almost half million sources, is now the largest X-ray catalogue. However, its full scientific potential remains untapped due to the lack of distance information (i.e. redshifts) for the majority of its sources. Here we present XMMPZCAT, a catalogue of photometric redshifts (photo-z) for 3XMM sources. Methods. We searched for optical counterparts of 3XMM-DR6 sources outside the Galactic plane in the SDSS and Pan-STARRS surveys, with the addition of near-(NIR) and mid-infrared (MIR) data whenever possible (2MASS, UKIDSS, VISTA-VHS, and AllWISE). We used this photometry data set in combination with a training sample of 5157 X-ray selected sources and the MLZ-TPZ package, a supervised machine learning algorithm based on decision trees and random forests for the calculation of photo-z. Results. We have estimated photo-z for 100 178 X-ray sources, about 50% of the total number of 3XMM sources (205 380) in the XMM-Newton fields selected to build this catalogue (4208 out of 9159). The accuracy of our results highly depends on the available photometric data, with a rate of outliers ranging from 4% for sources with data in the optical + NIR + MIR, up to ~40% for sources with only optical data. We also addressed the reliability level of our results by studying the shape of the photo-z probability density distributions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,029 |
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 ».