Simulating and interpreting deep observations in the Hubble Ultra Deep Field with the<i>JWST</i>/NIRSpec low-resolution ‘prism’
Notice bibliographique
Résumé
The James Webb Space Telescope (JWST) will enable the detection of optical emission lines in galaxies spanning a broad range of luminosities out to redshifts |$z$| ≳ 10. Measurements of key galaxy properties, such as star formation rate and metallicity, through these observations will provide unique insight into, e.g. the role of feedback from stars and active galactic nuclei (AGNs) in regulating galaxy evolution, the co-evolution of AGNs and host galaxies, the physical origin of the ‘main sequence’ of star-forming galaxies, and the contribution by star-forming galaxies to cosmic reionization. We present an original framework to simulate and analyse observations performed with the near-infrared spectrograph (NIRSpec) on board JWST. We use the beagle tool (BayEsian Analysis of GaLaxy sEds) to build a semi-empirical catalogue of galaxy spectra based on photometric spectral energy distributions of dropout galaxies in the Hubble Ultra Deep Field (HUDF). We demonstrate that the resulting catalogue of galaxy spectra satisfies different types of observational constraints on high-redshift galaxies, and use it as an input to simulate NIRSpec/prism (R ∼ 100) observations. We show that a single ‘deep’ (∼100 ks) NIRSpec/prism pointing in the HUDF will enable |$\hbox{$\text {S}/\text {N}$}\gt 3$| detections of multiple optical emission lines in ∼30 (∼60) galaxies at |$z$| ≳ 6 (|$z \sim 4 \, \text {-}\, 6$|) down to |$\hbox{$m_\text {F160W}$}\lesssim 30$| AB mag. Such observations will allow measurements of galaxy star formation rates, ionization parameters, and gas-phase metallicities within factors of 1.5, mass-to-light ratios within a factor of 2, galaxy ages within a factor of 3, and V-band attenuation optical depths with a precision of 0.3.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».