The Extremely Luminous Quasar Survey in the Pan-STARRS 1 Footprint (PS-ELQS)
Notice bibliographique
Résumé
We present the results of the Extremely Luminous Quasar Survey in the 3 π survey of the Panoramic Survey Telescope and Rapid Response System (Pan-STARRS; PS1). This effort applies the successful quasar selection strategy of the Extremely Luminous Survey in the Sloan Digital Sky Survey footprint (∼12,000 deg 2 ) to a much larger area (∼21,486 deg 2 ). This spectroscopic survey targets the most luminous quasars ( M 1450 ≤ −26.5; m i ≤ 18.5) at intermediate redshifts ( z ≥ 2.8). Candidates are selected based on a near-infrared JKW 2 color cut using WISE AllWISE and 2MASS photometry to mainly reject stellar contaminants. Photometric redshifts ( z reg ) and star−quasar classifications for each candidate are calculated from near-infrared and optical photometry using the supervised machine learning technique random forests. We select 806 quasar candidates at z reg ≥ 2.8 from a parent sample of 74,318 sources. After exclusion of known sources and rejection of candidates with unreliable photometry, we have taken optical identification spectra for 290 of our 334 good PS-ELQS candidates. We report the discovery of 190 new z ≥ 2.8 quasars and an additional 28 quasars at lower redshifts. A total of 44 good PS-ELQS candidates remain unobserved. Including all known quasars at z ≥ 2.8, our quasar selection method has a selection efficiency of at least 77%. At lower declinations, −30 ≤ decl. ≤ 0, we approximately treble the known population of extremely luminous quasars. We provide the PS-ELQS quasar catalog with a total of 592 luminous quasars ( m i ≤ 18.5, z ≥ 2.8). This unique sample will not only be able to provide constraints on the volume density and quasar clustering of extremely luminous quasars, but also offers valuable targets for studies of the intergalactic medium.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».