Pre-processing of galaxies in cosmic filaments around AMASCFI clusters in the CFHTLS
Notice bibliographique
Résumé
Context. Galaxy clusters and groups are thought to accrete material along the preferred direction of cosmic filaments. These structures have proven difficult to detect because their contrast is low, however, and only a few studies have focused on cluster infall regions. Aims. We detect cosmic filaments around galaxy clusters using photometric redshifts in the range 0.15 < z < 0.7. We characterise galaxy populations in these structures to study the influence of pre-processing by cosmic filaments and galaxy groups on star formation quenching. Methods. We detected cosmic filaments in the Canada-France-Hawaii Telescope Legacy Survey (CFHTLS) T0007 data, focusing on regions around clusters of the AMASCFI CFHTLS cluster sample. The filaments were reconstructed with the discrete persistent structure extractor (DISPERSE) algorithm in photometric redshift slices. We show that this reconstruction is reliable for a CFHTLS-like survey at 0.15 < z < 0.7 using a mock galaxy catalogue. We split our galaxy catalogue into two populations (passive and star forming) using the LePhare spectral energy density fitting algorithm and worked with two redshift bins (0.15 < z ≤ 0.4 and 0.4 < z < 0.7). Results. We showed that the AMASCFI cluster connectivity (i.e. the number of filaments that is connected to a cluster) increases with cluster mass M200. Filament galaxies outside R200 are found to be closer to clusters at low redshift, regardless of the galaxy type. Passive galaxies in filaments are closer to clusters than star-forming galaxies in the low redshift bin alone. The passive fraction of galaxies decreases with increasing clustercentric distance up to d ∼ 5 cMpc. Galaxy groups and clusters that are not located at nodes of our reconstruction are mainly found inside cosmic filaments. Conclusions. These results give clues for pre-processing in cosmic filaments that could be due to smaller galaxy groups. This trend could be further explored by applying this method to larger photometric surveys such as the Hyper Suprime-Cam Subaru Strategic Program (HSC-SPP) or Euclid.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».